不破坏HTML结构的情况下等长截取字符串（C#正则表达式实现）

亲年了，算是送给大家的礼物吧，这是几经改版后的最终代码，完美实现在不破坏HTML原结构的基础上进行等长截取。

代码是我写的字符串扩展方法类的一部分，如不喜欢扩展方法的实现形式可以自己做修改

 

输入输出样例（等效长度为6，省略标记为...）：

 

我爱正则表达式                                                          =>      我爱正则表达...

我爱Regex Expression                                             =>      我爱Regex Ex...

我爱    Regex Expression                                         =>      我爱 Regex E...

我爱<strong>正则表达式</strong>                           =>      我爱<strong>正则表达</strong>...

我A<a href=""><strong>正则</strong>表达式</a> =>      我A<a href=""><strong>正则</strong>表</a> ...

我A<a href=""><b>正则表</b><i>达式</i></a>      =>      我A<a href=""><b>正则表</b></a> ...

 

注意输出...前面的空格。

也就是不管输入是什么，有多长，HTML嵌套多复杂，输出在浏览器下显示总是等长的，而且原有结构不会被破坏。

 

public static class StringExtensions { private static Regex HTMLSpanRegex = new Regex( @"(?imx) (?<Start><(?<Tag>/w+)(?>[^>]*)>) (?> #分组构造，用来限定量词“*”修饰范围 (?<InnerHTML>(?:[^<>]|(?:</w+[^/>]*/>))+) #非括弧的其它任意字符 |(?<TagStart></w+(?>[^>]*)>) (?<Open>) #命名捕获组，遇到开括弧Open计数加1 |(?<TagEnd><//w+>) (?<-Open>) #狭义平衡组，遇到闭括弧Open计数减1 )* #以上子串出现0次或任意多次 (?(Open)(?!)) #判断是否还有'OPEN'，有则说明不配对，什么都不匹配 (?<End><//k<Tag>>)", RegexOptions.Compiled); private static Regex NullTagFilter = new Regex( @"(?imx) <(?<Tag>/w+)(?>[^>/]*)> (?> </w+(?>[^>/]*)> (?<Open>) #命名捕获组，遇到开括弧Open计数加1 |<//w+> (?<-Open>) #狭义平衡组，遇到闭括弧Open计数减1 )* #以上子串出现0次或任意多次 (?(Open)(?!)) #判断是否还有'OPEN'，有则说明不配对，什么都不匹配 <//k<Tag>>", RegexOptions.Compiled); private static string FixedString = @"(?imx)^ (?>(?<WD_Count>[/u0100-/uffff]) |(?<NR_Count>(?>(?:&/w+;)|(?:</w+[^/>]*/>)|[/u0000-/u00ff])){​{1,2}}){​{0,{0}}}"; private static IDictionary<int, Regex> FixedStringRegexs = new Dictionary<int, Regex>(); public static string Cut(this string str, int length, string prefix) { //入栈动作 const int PU = 0x01; //出栈动作 const int PO = 0x02; //STEP0 预处理 str = Regex.Replace(str, @"/s+", " "); //STEP1 准备动作表 //Index Action Length IList<int[]> acTable = new List<int[]>(); var ms = HTMLSpanRegex.Matches(str).Cast<Match>().ToArray(); //首部非Tag内字符处理 if (ms.Length <= 0) acTable.Add(new int[] { 0, 0, str.Length }); else acTable.Add(new int[] { 0, 0, ms[0].Index }); for (int i = 0; i < ms.Length; i++) { //Tag主起始标签处理 acTable.Add(new int[] { ms[i].Groups["Start"].Index, PU, ms[i].Groups["Start"].Length }); //Tag内含纯文字处理 foreach (var cap in ms[i].Groups["InnerHTML"].Captures.Cast<Capture>()) acTable.Add(new int[] { cap.Index, 0, cap.Length }); //Tag内含起始标签处理 foreach (var cap in ms[i].Groups["TagStart"].Captures.Cast<Capture>()) acTable.Add(new int[] { cap.Index, PU, cap.Length }); //Tag内含截止标签处理 foreach (var cap in ms[i].Groups["TagEnd"].Captures.Cast<Capture>()) acTable.Add(new int[] { cap.Index, PO, cap.Length }); //Tag主截止标签处理 acTable.Add(new int[] { ms[i].Groups["End"].Index, PO, ms[i].Groups["End"].Length }); //Tag后非内含文字处理 if (i < ms.Length - 1) { var mStart = ms[i].Index + ms[i].Length; var mLength = ms[i + 1].Index - mStart; acTable.Add(new int[] { mStart, 0, mLength }); } } //末尾非内含文字处理 if (ms.Length > 0) { var mStart = ms[ms.Length - 1].Index + ms[ms.Length - 1].Length; var mLength = str.Length - mStart; acTable.Add(new int[] { mStart, 0, mLength }); } //STEP2 过滤/排序及分段截取 var sb = new StringBuilder(); //简化的栈，仅作为平衡标记 var stack = 0; var vl = length - 0.5f; foreach (var ac in from itm in acTable where itm[2] > 0 orderby itm[0] select itm) { if (vl < 0.1f && stack == 0) break; //入栈 if ((ac[1] & PU) > 0 && (vl > 0.4f || stack > 0)) { sb.Append(str, ac[0], ac[2]); stack++; } //出栈 else if ((ac[1] & PO) > 0 && stack > 0) { sb.Append(str, ac[0], ac[2]); stack--; } //内裁减 else if (vl > 0.4f) { var tmp = str.Substring(ac[0], ac[2]); var l = (int)Math.Ceiling(vl); if (tmp.Length < l) l = tmp.Length; if (!FixedStringRegexs.ContainsKey(l)) FixedStringRegexs[l] = new Regex(string.Format(FixedString, l * 2), RegexOptions.Compiled); //标记单元字符 var m = FixedStringRegexs[l].Match(tmp); if (tmp.Length < l) { //子串较短时，可避免下面的循环 sb.Append(m.Value); vl -= m.Groups["WD_Count"].Captures.Count + m.Groups["NR_Count"].Captures.Count / 2.0f; } else { //窄字符 var nr = m.Groups["NR_Count"].Captures.Cast<Capture>(); //宽字符 var wd = m.Groups["WD_Count"].Captures.Cast<Capture>(); //单元字符合并/排序/插入 foreach (var cap in nr.Concat(wd).OrderBy(cap => cap.Index)) { if (vl < 0.1f) break; sb.Append(tmp, cap.Index, cap.Length); if (nr.Contains(cap)) vl -= 0.5f; else vl -= 1; } } } } //STEP3 空标签过滤 var ret = sb.ToString(); ret = NullTagFilter.Replace(ret, ""); //STEP4 添加后缀 if (vl < -0.1f) return ret + prefix; else if (vl > 0.1f) return ret; else return ret + " " + prefix; } public static string Cut(this string str, int length) { return str.Cut(length, "..."); } }

 

应用效果图：