睡到一半口渴睡不著，所以就來裝裝 wordpress plugins，找到一個 PostTeaser 看起來還不錯，所以就裝起來試試看。PostTeaser 是一個 excerpt 的加強版，其簡介是說：

Post Teaser generates a preview or "teaser" of a post for the main, archive and category pages, with a link underneath to go to the full post page. It includes features to generate a word count, image count, and an estimated reading time.

可惜，裝起來後發現，他的 word count 對中文字感冒，連帶地也算不準 excerpt 的長度。如果是中文字比較多的文章，很容易就帶出一大票文字，喪失了使用 excerpt 的原意。查了一下程式碼，發現是這一個 function 的問題：

/*** Counts words. PHP's str_word_count() only works for alphabetic characters ***/
function word_count($text) {
    $text = strip_tags($text);
    $text = preg_split("/\s+/", $text);
    $count = count($text);
    return $count;
}

很顯然地，又是一個外國人不理解表意文字 (ideogram) 特性的例子，直接以「空白」當作 word seperator 切開取 word count，這對中文字來說，當然不太對。比較好的做法，應該是碰到英文字時，就用空白切 word，碰到中文字時，就以 character 為單位切 word[1]。查了一下 PHP 的 multi-byte string functions，發覺其實很簡單，用 mb_strwidth() 減去 mb_strlen()，就是少算的中文字個數了：

SHELL> svn info
Path: .
URL: http://svn.wp-plugins.org/post-teaser/trunk
Repository Root: http://svn.wp-plugins.org
Repository UUID: b8457f37-d9ea-0310-8a92-e5e31aec5664
Revision: 5990
Node Kind: directory
Schedule: normal
Last Changed Author: turnip
Last Changed Rev: 5635
Last Changed Date: 2006-03-24 02:31:41 +0800 (Fri, 24 Mar 2006)

SHELL> svn diff
Index: post-teaser.php
===================================================================
--- post-teaser.php     (revision 5990)
+++ post-teaser.php     (working copy)
@@ -363,6 +363,12 @@
                $text = strip_tags($text);
                $text = preg_split("/\s+/", $text);
                $count = count($text);
+               if (function_exists('mb_strwidth') && function_exists('mb_strlen')) {
+                       while ($t = each($text)) {
+                               $t = $t['value'];
+                               $count += (mb_strwidth($t, 'UTF-8') - mb_strlen($t, 'UTF-8'));
+                       }
+               }
                return $count;
        }

喔，好吧，我承認，應該是「差不多」就是少算的中文字個數了，如果碰到中英混雜的 token 的話。不過因為其實沒有必要做到完全精確，所以差不多就好。

  1. 嚴謹來說，這樣的說法也不太對，因為中文字 (character) 不一定組成一個詞 (word)。不過，實務上這樣的做法，才是可以達到我們所希望的效果。 ↩