html截取摘要并补齐标签(htmlparser)一

http://scnujie.javaeye.com/blog/232743

 

从html里面截取摘要关键在于在截取的时候不能截断它里面的标签，所以就要想法让它在截取的时候能截全标签：方法是写一个算法让它在截取所指定长度时只计算标签

外面文本的数量而标签里面的长度不计算在内，这样才能以指定的长度截取到不会断节的标签：

　　下面就是这个小算法（见笑了）：

Java代码

1. public static String readWithTag(File filename,int length) throws IOException {   
2.         String content = readFileByLines(filename);   
3.         int pos = 0,len = 0,count = 0;   
4.         String s = "";   
5.         StringBuffer sb = new StringBuffer();   
6.         while(true)   
7.         {   
8.                 if(count >= length)   
9.                     break;   
10.              s = content.substring(pos, pos+1);   
11.              if(s.equals("<"))   
12.              {   
13.                      len = content.indexOf(">", pos)-pos;   
14.                      for(int i=0;i<len;i++)   
15.                      {   
16.                              s = content.substring(pos+i, pos+i+1);   
17.                              sb.append(s);   
18.                      }   
19.                      pos += len;   
20.              }   
21.              else  
22.              {   
23.                      if(count < length)   
24.                      {   
25.                              if(s.equals(">"))   
26.                              {   
27.                                  sb.append(s);   
28.                                  pos++;   
29.                              }   
30.                              sb.append(s);   
31.                              count++;   
32.                              pos++;   
33.                      }   
34.              }   
35.         }   
36.            
37.         return sb.toString();   
38. }  

详情请见下一篇:html截取摘要并补齐标签二