Как точно рассчитать время чтения статьи на PHP с учётом разных языков

При разработке сайтов часто возникает необходимость показывать читателям примерное время, которое потребуется на изучение материала. Это улучшает пользовательский опыт и повышает вовлечённость. Однако стандартные средства PHP для подсчёта слов не всегда корректно работают с многобайтовыми кодировками, такими как кириллица, арабское письмо или иероглифы. В этой статье мы разберём универсальное решение, которое учитывает особенности разных алфавитов и даёт точный результат.

Почему str_word_count не подходит

Встроенная функция str_word_count() ориентирована на латиницу и опирается на текущую локаль. Даже после установки локали она может неправильно распознавать символы Unicode, особенно если текст содержит смесь языков или специальные знаки. Поэтому для надёжного подсчёта слов в интернациональных проектах лучше использовать регулярные выражения с поддержкой Unicode.

Универсальная функция подсчёта слов

Вместо привязки к локали применим шаблон \p{L}, который обозначает любую букву любого языка. Модификатор u включает режим Unicode. Предварительно очистим текст от HTML-тегов и нормализуем пробелы.

function computeReadingDuration(string $rawText, int $wordsPerMinute = 200): int
{
    // Удаляем HTML-теги и лишние пробелы
    $cleanText = strip_tags($rawText);
    $cleanText = preg_replace('/\s+/', ' ', $cleanText);
    $cleanText = trim($cleanText);

    // Подсчитываем количество слов, используя юникод-символы
    preg_match_all('/\p{L}+/u', $cleanText, $matches);
    $totalWords = count($matches[0]);

    // Вычисляем время чтения с округлением вверх
    $readingMinutes = (int) ceil($totalWords / $wordsPerMinute);

    return $readingMinutes;
}

Пояснения:

• strip_tags() удаляет всю разметку, оставляя только текст.
• Регулярное выражение \p{L}+ находит последовательности буквенных символов любых языков (латиница, кириллица, арабский, китайский и др.).
• Модификатор u заставляет PHP обрабатывать строку как UTF-8.
• Округление через ceil() даёт целое количество минут, что удобно для отображения (например, «3 минуты»).

Пример использования с кириллическим текстом

$article = "
    <h2>Введение в PHP</h2>
    <p>PHP — это скриптовый язык программирования, созданный для генерации HTML-страниц на веб-сервере. Он широко используется для разработки динамических сайтов и веб-приложений. Синтаксис языка прост и понятен, что делает его отличным выбором для начинающих разработчиков.</p>
    <p>В этой статье мы рассмотрим основы работы с переменными, типами данных и управляющими конструкциями. Также затронем вопросы безопасности и оптимизации кода.</p>
";

$minutes = computeReadingDuration($article);
echo "Примерное время чтения: {$minutes} мин.";

В зависимости от объёма текста результат будет адекватно отражать реальное время, необходимое для ознакомления с материалом.

Дополнительные улучшения

• Скорость чтения: Значение 200 слов в минуту можно сделать настраиваемым через второй параметр, что уже реализовано в функции.
• Короткие тексты: Если слов меньше, чем скорость чтения, результат будет 1 минута — это корректно для информирования.
• Точность для языков с иероглифами: В китайском или японском слово может состоять из одного иероглифа, поэтому такой подсчёт всё равно даёт приемлемую оценку (обычно скорость чтения для таких языков измеряется в символах, но для универсальности оставим «слова» как последовательности букв).

Предложенный метод не зависит от локали сервера и гарантированно работает с любым языком, использующим Unicode. Это особенно важно для мультиязычных сайтов, где одна и та же функция должна одинаково хорошо обрабатывать русский, английский и, например, арабский тексты.

Внедрив такой расчёт, вы сделаете свой сайт удобнее для посетителей, не беспокоясь о том, на каком языке написан контент.