xml截取标签.取出文本(转)

package com.founder.cms.publish;

import java.util.ArrayList;
import java.util.List;
import java.util.regex.Pattern;
import java.util.regex.Matcher;

/**
 *
 * 按字节长度截取字符串(支持截取带HTML代码样式的字符串)
 *
 * @param param
 *            将要截取的字符串参数
 * @param length
 *            截取的字节长度
 * @param end
 *            字符串末尾补上的字符串
 * @return 返回截取后的字符串
 */

public class SubStringXML
{
 public String subStringXML(String param, int length, String end)
 {
  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;
   }
  }
  result.append(end);
  // 取出截取字符串中的HTML标记
  String temp_result = result.toString().replaceAll("(>)[^<>]*(<?)",
    "$1$2");
  // 去掉不需要结素标记的HTML标记
  temp_result = temp_result
    .replaceAll(
      "</?(AREA|BASE|BASEFONT|BODY|BR|COL|COLGROUP|DD|DT|FRAME|HEAD|HR|HTML|IMG|INPUT|ISINDEX|LI|LINK|META|OPTION|P|PARAM|TBODY|TD|TFOOT|TH|THEAD|TR|area|base|basefont|body|br|col|colgroup|dd|dt|frame|head|hr|html|img|input|isindex|li|link|meta|option|p|param|tbody|td|tfoot|th|thead|tr)[^<>]*/?>",
      "");
  // 去掉成对的HTML标记
  temp_result = temp_result.replaceAll("<([a-zA-Z]+)[^<>]*>(.*?)<///1>",
    "$2");
  // 用正则表达式取出标记
  Pattern p = Pattern.compile("<([a-zA-Z]+)[^<>]*>");
  Matcher m = p.matcher(temp_result);

  List endHTML = new ArrayList();

  while (m.find())
  {
   endHTML.add(m.group(1));
  }
  // 补全不成对的HTML标记
  for (int i = endHTML.size() - 1; i >= 0; i--)
  {
   result.append("</");
   result.append(endHTML.get(i));
   result.append(">");
  }

  return result.toString();
 }
}