From 5588d4e88e3913c1ae00a6b57b466b2248cc493c Mon Sep 17 00:00:00 2001 From: tobi <31960611+tsmethurst@users.noreply.github.com> Date: Thu, 10 Aug 2023 18:26:56 +0200 Subject: [PATCH] [bugfix] Use length in runes when trimming for RSS (#2094) --- internal/typeutils/internaltorss.go | 30 +++++++++--- internal/typeutils/internaltorss_test.go | 61 ++++++++++++++++++++++++ 2 files changed, 84 insertions(+), 7 deletions(-) diff --git a/internal/typeutils/internaltorss.go b/internal/typeutils/internaltorss.go index 91f733884..adec26a30 100644 --- a/internal/typeutils/internaltorss.go +++ b/internal/typeutils/internaltorss.go @@ -32,8 +32,8 @@ import ( ) const ( - rssMaxTitleChars = 128 - rssDescriptionMaxChars = 256 + rssTitleMaxRunes = 128 + rssDescriptionMaxRunes = 256 ) func (c *converter) StatusToRSSItem(ctx context.Context, s *gtsmodel.Status) (*feeds.Item, error) { @@ -43,9 +43,9 @@ func (c *converter) StatusToRSSItem(ctx context.Context, s *gtsmodel.Status) (*f // example: Venice Film Festival Tries to Quit Sinking var title string if s.ContentWarning != "" { - title = trimTo(s.ContentWarning, rssMaxTitleChars) + title = trimTo(s.ContentWarning, rssTitleMaxRunes) } else { - title = trimTo(s.Text, rssMaxTitleChars) + title = trimTo(s.Text, rssTitleMaxRunes) } // Link -- The URL of the item. @@ -97,7 +97,7 @@ func (c *converter) StatusToRSSItem(ctx context.Context, s *gtsmodel.Status) (*f descriptionBuilder.WriteString("\"") } - description := trimTo(descriptionBuilder.String(), rssDescriptionMaxChars) + description := trimTo(descriptionBuilder.String(), rssDescriptionMaxRunes) // ID -- A string that uniquely identifies the item. // example: http://inessential.com/2002/09/01.php#a2 @@ -167,10 +167,26 @@ func (c *converter) StatusToRSSItem(ctx context.Context, s *gtsmodel.Status) (*f }, nil } +// trimTo trims the given `in` string to +// the length `to`, measured in runes. +// +// The reason for using runes is to avoid +// cutting off UTF-8 characters in the +// middle, and generating garbled bytes. +// +// If trimming was necessary, the returned +// string will be suffixed with ellipsis +// (`...`) to indicate omission. func trimTo(in string, to int) string { - if len(in) <= to { + var ( + runes = []rune(in) + runesLen = len(runes) + ) + + if runesLen <= to { + // Fine as-is. return in } - return in[:to-3] + "..." + return string(runes[:to-3]) + "..." } diff --git a/internal/typeutils/internaltorss_test.go b/internal/typeutils/internaltorss_test.go index 510106fe8..ea6f3cc93 100644 --- a/internal/typeutils/internaltorss_test.go +++ b/internal/typeutils/internaltorss_test.go @@ -19,9 +19,13 @@ package typeutils_test import ( "context" + "encoding/xml" "testing" "github.com/stretchr/testify/suite" + "github.com/superseriousbusiness/gotosocial/internal/ap" + "github.com/superseriousbusiness/gotosocial/internal/gtsmodel" + "github.com/superseriousbusiness/gotosocial/internal/util" ) type InternalToRSSTestSuite struct { @@ -80,6 +84,63 @@ func (suite *InternalToRSSTestSuite) TestStatusToRSSItem2() { suite.Equal("hello world! #welcome ! first post on the instance \":rainbow:\" !", item.Content) } +func (suite *InternalToRSSTestSuite) TestStatusToRSSItem3() { + account := suite.testAccounts["admin_account"] + s := >smodel.Status{ + ID: "01H7G0VW1ACBZTRHN6RSA4JWVH", + URI: "http://localhost:8080/users/admin/statuses/01H7G0VW1ACBZTRHN6RSA4JWVH", + URL: "http://localhost:8080/@admin/statuses/01H7G0VW1ACBZTRHN6RSA4JWVH", + ContentWarning: "这是简体中文帖子的一些示例内容。\n\n我希望我能读到这个，因为与无聊的旧 ASCII 相比，这些字符绝对漂亮。 不幸的是，我是一个愚蠢的西方人。\n\n无论如何，无论是谁读到这篇文章，你今天过得怎么样？ 希望你过得愉快！ 如果您有一段时间没有这样做，请从椅子上站起来，喝一杯水，并将您的眼睛集中在远处的物体上，而不是电脑屏幕上！", + Content: "这是另一段，只是为了确保这篇文章足够长。 通过前肢上长而弯曲的爪子的数量可以轻松识别不同的树懒类别。 顾名思义，二趾树懒的前肢上有两个爪子，而三趾树懒的四个肢上都有三个爪子。 二趾树懒也比三趾树懒稍大，并且都属于不同的分类科。 美洲共有六种树懒，主要分布在中美洲和南美洲的热带雨林中。\n\n\n\n\t霍夫曼二趾树懒 (Choloepus hoffmanni)\n\n\t林奈二趾树懒 (Choloepus didactylus)\n\n\t侏儒三趾树懒 (Bradypus pygmaeus)\n\n\t鬃三趾树懒 (Bradypus torquatus)\n\n\t棕喉树懒 (Bradypus variegatus)\n\n\t浅喉树懒 (Bradypus tridactylus)\n\n\n\n目前，有 4 种树懒被 IUCN 濒危物种红色名录列为最不受关注的物种。 鬃毛三趾树懒很脆弱，而侏儒三趾树懒则极度濒危，树懒物种面临最大的灭绝风险。", + Local: util.Ptr(true), + AccountURI: account.URI, + AccountID: account.ID, + Visibility: gtsmodel.VisibilityDefault, + ActivityStreamsType: ap.ObjectNote, + Federated: util.Ptr(true), + Boostable: util.Ptr(true), + Replyable: util.Ptr(true), + Likeable: util.Ptr(true), + } + item, err := suite.typeconverter.StatusToRSSItem(context.Background(), s) + suite.NoError(err) + + data, err := xml.MarshalIndent(item, "", " ") + if err != nil { + suite.FailNow(err.Error()) + } + + suite.Equal(` + 这是简体中文帖子的一些示例内容。 我希望我能读到这个，因为与无聊的旧 ASCII 相比，这些字符绝对漂亮。 不幸的是，我是一个愚蠢的西方人。 无论如何，无论是谁读到这篇文章，你今天过得怎么样？ 希望你过得愉快！ 如果您有一段时间没有这样做，请从椅... + + http://localhost:8080/@admin/statuses/01H7G0VW1ACBZTRHN6RSA4JWVH + + + + + + http://localhost:8080/@admin/feed.rss + + + + + + @admin@localhost:8080 + + + @admin@localhost:8080 made a new post + http://localhost:8080/@admin/statuses/01H7G0VW1ACBZTRHN6RSA4JWVH + 0001-01-01T00:00:00Z + 0001-01-01T00:00:00Z + + + + + + 这是另一段，只是为了确保这篇文章足够长。 通过前肢上长而弯曲的爪子的数量可以轻松识别不同的树懒类别。 顾名思义，二趾树懒的前肢上有两个爪子，而三趾树懒的四个肢上都有三个爪子。 二趾树懒也比三趾树懒稍大，并且都属于不同的分类科。 美洲共有六种树懒，主要分布在中美洲和南美洲的热带雨林中。 霍夫曼二趾树懒 (Choloepus hoffmanni) 林奈二趾树懒 (Choloepus didactylus) 侏儒三趾树懒 (Bradypus pygmaeus) 鬃三趾树懒 (Bradypus torquatus) 棕喉树懒 (Bradypus variegatus) 浅喉树懒 (Bradypus tridactylus) 目前，有 4 种树懒被 IUCN 濒危物种红色名录列为最不受关注的物种。 鬃毛三趾树懒很脆弱，而侏儒三趾树懒则极度濒危，树懒物种面临最大的灭绝风险。 +`, string(data)) +} + func TestInternalToRSSTestSuite(t *testing.T) { suite.Run(t, new(InternalToRSSTestSuite)) }