Типограф на PHP: кавычки-ёлочки, тире и неразрывные пробелы

В комментарии к классу Typograf записано: правила намеренно осторожные, лучше пропустить спорное место, чем испортить текст. Резонно. Типограф, который иногда ломает даты и код, бросают после первой же аварии, а пропущенное тире никто и не заметит.

Поэтому группы правил включаются по отдельности: кавычки, тире, пробелы, символы, пунктуация. И есть ещё два режима: «это HTML» и «заменить символы на HTML-сущности».

Если на входе HTML, кавычки в атрибутах тегов менять нельзя, иначе разметка превратится в пиццу с ананасами. Разбирать её отдельным парсером слишком громоздко, так что я её прячу. Теги, комментарии и содержимое pre, code, script, style и textarea заменяются на невидимые символы из «области частного использования» Unicode, а после обработки по очереди возвращаются на место:

$text = (string) preg_replace_callback(self::TAGS, static function (array $m) use (&$held): string {
    $held[] = $m[0];

    return str_starts_with($m[0], '</') ? self::CLOSE : self::OPEN;
}, $text);

Открывающие и закрывающие теги получают разные символы, чтобы алгоритм кавычек понимал, где заканчивается слово рядом с тегом.

Сначала все виды кавычек приводятся к обычной прямой. Потом сканер идёт по символам и считает глубину. Кавычка считается открывающей, если перед ней начало текста, пробел, скобка или тире, а после неё не пробел и не знак препинания. Первый уровень получает «ёлочки», второй „лапки“, всё по классике.

На переносе строки счётчик обнуляется: одна забытая кавычка не должна портить весь остальной текст. Я проверила это на такой строке: вложенная цитата превращается в «Привет, „мир“», а счётчик насчитывает две пары кавычек. Красота.

Самое опасное правило то, которое меняет дефис между числами на тире: «5-7» должно стать «5–7». Но тот же дефис стоит в дате «2026-09-30», и превратить её в кашу это уровень аварии на проде в пятницу вечером. Спасают проверки вокруг числа: слева и справа от дефиса не должно быть ни цифры, ни другого дефиса.

$text = (string) preg_replace('/(?<![\d\-])(\d+)-(\d+)(?![\d\-])/u', '$1–$2', $text);

Дата остаётся датой, а диапазон получает нужное тире. Такие «оглядки» назад и вперёд в регулярках и есть главный инструмент осторожности во всём типографе.

В сложных случаях (дюймы, апострофы) он может неправильно понять кавычки. Правил для английского текста нет. Зато результат прозрачный: функция возвращает не только текст, но и счётчики, сколько поставлено пар кавычек, тире и неразрывных пробелов, так что видно, что именно поменялось. Но глазами человека всё равно пробежаться стоит, автоматика не заменяет здравый смысл.

Принцип «не уверена, не трогай» я применила и в минификаторе JavaScript. Пока что работает, тьфу-тьфу.