【转】java截取带html标签的字符串,再把标签补全(保证页面显示效果)

【转】http://blog.csdn.net/zdtwyjp/article/details/5736430

Java截取带HTML标签的字符串,一般情况下有三种实现方式：

1、在截取字符串函数中对HTML标签进行闭合（对标签作入栈出栈式处理即可）。

2、过滤掉HTML。

3、如果需要保留样式的话，可以按照格式提取各节内容，然后分别截取之后再重新用HTML做出表现样式。

 

1和2的方法不够好。因为1在截取长度时，是边所有的HTML标签都计算在内的，如果有的内容包含HTML标签较多，哪它实际的正文内容就得少了。所以不同内容可能表现长度不一，视觉效果不好。而2，没有格式，当然不可取。所以相对来说， 3比较好些。先提取内容然后再将内容补全，具体实现代码如下：

 

 

package string;
public class TagsList {
    private String[] data;
    private int size = 0;
    public TagsList(int size) {
        data = new String[size];
    }
    public TagsList() {
        this(10);
    }
    public void add(String str) {
        ensureCapacity(size + 1);
        data[size++] = str;
    }
    public String get(int index) {
        if(index < size)
            return data[index];
        else
            return null;
    }
    // 为了提高效率，只将其置为null
    public boolean remove(String str) {
        for(int index = 0; index < size; index++) {
            if(str.equals(data[index])) {
                data[index] = null;
                return true;
            }
        }
        return false;
    }
    public boolean remove(int index) {
        if(index < data.length) {
            data[index] = null;
            return true;
        }
        return false;
    }
    public int size() {
        return this.size;
    }
    // 扩展容量
    public void ensureCapacity(int minSize) {
        int oldCapacity = data.length;
        if(minSize > oldCapacity) {
            int newCapacity = (oldCapacity * 3 / 2 + 1) > minSize ? oldCapacity * 3 / 2 + 1 : minSize;
            String[] newArray = new String[newCapacity];
            for(int i = 0; i < data.length; i++) {
                newArray[i] = data[i];
            }
            data = newArray;
        }
    }
}

package string;

/**
 * java截取带html标签的字符串,再把标签补全(保证页面显示效果)<br>
 * 一般是用在字符串中有html标签的截取.如: 后台发布用了在线编辑器, 前台显示内容要截取的情况.<br>
 *
 * @author YangJunping
 * @date 2010-7-15
 */
public class SubStringHTML {
    public static void main(String[] args) {
        String htmlCode = "<h1><span style="/" mce_style="/""font-size: xx-large; color: #000000;/">新华网北京7月13,.</span></h1><h1><span>北京7——月13</span></h1>";
        System.out.println(subStringHTML(htmlCode, 5));
        // 测试结果：<h1><span style="font-size: xx-large; color: #000000;" mce_style="font-size: xx-large; color: #000000;">新华网</span></h1>
    }
    /**
     * 按子节长度截取字符串(支持截取带HTML代码样式的字符串)<br>
     * 如：<span>中国人发在线</span> 当截取2个字节得到的结果是：<span>中国
     *
     * @param param
     *            将要截取的含html代码的字符串参数
     * @param length
     *            截取的字节长度
     * @return 返回截取后的字符串
     * @author YangJunping
     * @date 2010-7-15
     */
    public static String subStringHTML(String param, int length) {
        StringBuffer result = new StringBuffer();
        int n = 0;
        char temp;
        boolean isCode = false; // 是不是HTML代码
        boolean isHTML = false; // 是不是HTML特殊字符,如
        for(int i = 0; i < param.length(); i++) {
            temp = param.charAt(i);
            if(temp == '<') {
                isCode = true;
            }else if(temp == '&') {
                isHTML = true;
            }else if(temp == '>' && isCode) {
                n = n - 1;
                isCode = false;
            }else if(temp == ';' && isHTML) {
                isHTML = false;
            }
            if(!isCode && !isHTML) {
                n = n + 1;
                // UNICODE码字符占两个字节
                if((temp + "").getBytes().length > 1) {
                    n = n + 1;
                }
            }
            result.append(temp);
            if(n >= length) {
                break;
            }
        }
        return fix(result.toString());
    }
    /**
     * 补全HTML代码<br>
     * 如：<span>中国 ---> <span>中国</span>
     *
     * @param str
     * @return
     * @author YangJunping
     * @date 2010-7-15
     */
    private static String fix(String str) {
        StringBuffer fixed = new StringBuffer(); // 存放修复后的字符串
        TagsList[] unclosedTags = getUnclosedTags(str);
        // 生成新字符串
        for(int i = unclosedTags[0].size() - 1; i > -1; i--) {
            fixed.append("<" + unclosedTags[0].get(i) + ">");
        }
        fixed.append(str);
        for(int i = unclosedTags[1].size() - 1; i > -1; i--) {
            String s = null;
            if((s = unclosedTags[1].get(i)) != null) {
                fixed.append("</" + s + ">");
            }
        }
        return fixed.toString();
    }
    private static TagsList[] getUnclosedTags(String str) {
        StringBuffer temp = new StringBuffer(); // 存放标签
        TagsList[] unclosedTags = new TagsList[2];
        unclosedTags[0] = new TagsList(); // 前不闭合，如有</div>而前面没有<div>
        unclosedTags[1] = new TagsList(); // 后不闭合，如有<div>而后面没有</div>
        boolean flag = false; // 记录双引号"或单引号'
        char currentJump = ' '; // 记录需要跳过''还是""
        char current = ' ', last = ' '; // 当前 & 上一个
        // 开始判断
        for(int i = 0; i < str.length();) {
            current = str.charAt(i++); // 读取一个字符
            if(current == '"' || current == '/'') {
                flag = flag ? false : true; // 若为引号，flag翻转
                currentJump = current;
            }
            if(!flag) {
                if(current == '<') { // 开始提取标签
                    current = str.charAt(i++);
                    if(current == '/') { // 标签的闭合部分，如</div>
                        current = str.charAt(i++);
                        // 读取标签
                        while(i < str.length() && current != '>') {
                            temp.append(current);
                            current = str.charAt(i++);
                        }
                        // 从tags_bottom移除一个闭合的标签
                        if(!unclosedTags[1].remove(temp.toString())) { // 若移除失败，说明前面没有需要闭合的标签
                            unclosedTags[0].add(temp.toString()); // 此标签需要前闭合
                        }
                        temp.delete(0, temp.length()); // 清空temp
                    }else { // 标签的前部分，如<div>
                        last = current;
                        while(i < str.length() && current != ' ' && current != ' ' && current != '>') {
                            temp.append(current);
                            last = current;
                            current = str.charAt(i++);
                        }
                        // 已经读取到标签，跳过其他内容，如<div id=test>跳过id=test
                        while(i < str.length() && current != '>') {
                            last = current;
                            current = str.charAt(i++);
                            if(current == '"' || current == '/'') { // 判断引号
                                flag = flag ? false : true;
                                currentJump = current;
                                if(flag) { // 若引号不闭合，跳过到下一个引号之间的内容
                                    while(i < str.length() && str.charAt(i++) != currentJump)
                                        ;
                                    current = str.charAt(i++);
                                    flag = false;
                                }
                            }
                        }
                        if(last != '/' && current == '>') // 判断这种类型：<TagName />
                            unclosedTags[1].add(temp.toString());
                        temp.delete(0, temp.length());
                    }
                }
            }else {
                while(i < str.length() && str.charAt(i++) != currentJump)
                    ; // 跳过引号之间的部分
                flag = false;
            }
        }
        return unclosedTags;
    }
}