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)

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; } }