Question

I have a web page where users can leave comments in Russian language (UTF-8), like this one:

Хорошо, четко , уверено!Удачи!(БОРИС)

Some users “abuse” it for fun purposes by leaving out the spaces between words

НеСпитьсяЖукуНиЗимою,НиЛетом,лучшеПитатьсяСолнечнымСветом, лучшеСидетьЗаИгорнымСтолом,иНаслаждатьсяКаждымВистом, лучшеНоситьЗолотыеОдежды,искритьсяВсегда,неТеряяНадежды,лучшеПустьДругОстаетсяБезВзятки,ведьНевозможноЖукуЖитьБезЛапки!

which results in very wide HTML-table rows, breaking my layout.

I’m trying to counter those users by trying to find comments with over 60 non-space characters and inserting a single space char after punctuation chars (like commas) – with this piece of PHP-code:

            if (preg_match('/\S{60,}/u', $about) == 1) {
                    error_log('Splitting comment: ' . $about);
                    $about = preg_replace('/(\p{P}+\s*)/u', '$1 ', $about);
                    error_log('===Result comment: ' . $about);
            }

However this doesn’t work and has at least 2 problems

1. Every comment is being matched, even short one like at the top
2. The \s* isn’t greedy and “comma and space” is replaced by “comma space space” for some weird reason

Here an excerpt of my log file:

[04-Jun-2012 09:50:10] Splitting comment: Хорошо, четко , уверено!Удачи!(БОРИС)
[04-Jun-2012 09:50:10] ===Result comment: Хорошо,  четко ,  уверено! Удачи!( БОРИС)

[04-Jun-2012 09:50:10] Splitting comment: НеСпитьсяЖукуНиЗимою,НиЛетом,лучшеПитатьсяСолнечнымСветом,
лучшеСидетьЗаИгорнымСтолом,иНаслаждатьсяКаждымВистом, лучшеНоситьЗолотыеОдежды,искритьсяВсегда,неТеряяНадежды,лучшеПустьДругОстаетсяБезВзятки,ведьНевозможноЖукуЖитьБезЛапки!(nusja)
[04-Jun-2012 09:50:10] ===Result comment: НеСпитьсяЖукуНиЗимою, НиЛетом, лучшеПитатьсяСолнечнымСветом,
 лучшеСидетьЗаИгорнымСтолом, иНаслаждатьсяКаждымВистом,  лучшеНоситьЗолотыеОдежды, искритьсяВсегда, неТеряяНадежды, лучшеПустьДругОстаетсяБезВзятки, ведьНевозможноЖукуЖитьБезЛапки!( nusja)

I tried doubling the backslashes – this hasn’t changed anything.

I’m using stock PHP with latest CentOS Linux 5.x and 6.x:

# php -v
PHP 5.3.3 (cli) (built: May  7 2012 17:58:11)
Copyright (c) 1997-2010 The PHP Group
Zend Engine v2.3.0, Copyright (c) 1998-2010 Zend Technologies

Answer 1

Try wordwrap(). It’s a built-in function and I think that it should help you.

If you’re looking for a reg-exp solution, there’s one in the comments – look here. It’s UTF-8 safe, so it should work for your Russian site.