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)

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;
	}
}

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：