Estoy trabajando con una App Android la cual recoge texto de mi servidor. Luego ese texto puede ser leído por voz en la App mediante el engine TTS de Android.
TTS no puede leer cadenas de más de 4,000 caracteres de un solo golpe y muchas veces mis cadenas tienen una extensión mayor.
Mi solución ha sido ir dividiendo el contenido con un separador y luego hacer partes para irlas pasando a TTS. Eso lo hago la mayoría de veces desde Android, cuando es texto que voy construyendo por partes pequeñas, a cada parte le pongo el separador y listo.
En este caso concreto extraigo texto bastante largo en un solo bloque, es texto de la base de datos con bastantes párrafos y quisiera enviárselo a Android desde el servidor con un separador cada 4,000<
caracteres.
El problema es que no puedo hacer una separación arbitraria, porque muchas palabras quedarían cortadas por la mitad.
Me explico. Supongamos una cadena larga:
Lorem ipsum dolor sit amet
*caracter 4000
Una división arbitraria me partiría en dos la palabra ipsum
, resultando:
- parte 1:
mucho texto hasta lorem i
- parte 2:
psum más mucho texto
TTS lee esto mal, porque se detiene en i
y luego da como un salto para continuar con pusm
y el resto del texto.
Quisiera entonces en PHP poder colocar al texto un separador cada 4,000 caracteres o lo máximo posible, pero salvando las palabras completas, incluyendo los posibles signos como comas, puntos, comillas, etc.
¿Cómo podría hacerlo?
Me interesa dejar la cadena intacta, agregando solamente el separador donde corresponda, algo así (suponiendo que mi separador es |
):
Muchísimo texto ... Lorem| ipsum dolor sit amet muchísimo |más, texto
*caracter 4000 *caracter 8000
Aquí, dado que el caracter 4,000 dejaría la palabra ipsum
entrecortada, retrocedemos para dividir después de Lorem
. En el segundo separador, dado que la división iría antes de la coma, retrocedemos también y lo ponemos antes de más
.
He visto la posibilidad de hacerlo con str_split
, pero me devuelve un array de cadenas y yo quiero la cadena completa. Además, ¿cómo manejar lo más complicado que es evitar que las palabras queden cortadas?
UPDATE
combinado conREPLACE
. Otra cosa que olvidé comentar es que el texto tiene etiquetas HTML como<p>
,<span>
,<br />
, y puede tener enlaces como<a="http://...">
y cosas así.wordwrap()
, el problema podría ser las etiquetas html del textowordwrap()
como has sugerido y parce hacer lo que necesito. Ningún problema con las etiquetas HTML. Estoy devolviendo los datos en un JSON:$arrData=array(); foreach ($arrData as $k=>$v){ $arrData[$k]['texto'] = wordwrap($v["texto"], 3996, " | ", true); } $json=json_encode($arrData,JSON_UNESCAPED_UNICODE); echo $json;
. Agradecería una respuesta tuya para dar el tema por cerrado.