Question

用户在表单中以HTML格式输入文本，例如：

<p>this is my <strong>blog</strong> post, 
very <i>long</i> and written in <b>HTML</b></p>

我希望能够只输出一部分字符串（例如20个第一个字符），而不会破坏用户输入的HTML结构。在这种情况下：

<p>this is my <strong>blog</strong> post, very <i>l</i>...</p>

呈现为

这是我的博客帖子，非常 lo ...

是否有能够执行此操作的Java库或使用简单方法？

MyLibrary.abbreviateHTML(string,20) ?

Answer 1

由于正确地执行此操作并不容易，因此我通常会删除所有标记并截断。这样可以很好地控制文本大小和外观，通常需要将其放置在需要控制的位置。

请注意，您可能会发现我的提案非常保守，但实际上并不是您问题的正确答案。但大多数情况下，替代方案是：

截断HTML很困难的原因是您不知道截断会如何影响HTML的结构。你会如何在<ul>中间截断，或者甚至最差，在复杂<table>的中间截断？

因此，问题在于HTML不仅可以包含内容和样式（粗体，斜体），还可以包含结构（列表，表格，div等）。因此，一个好的和安全的实现方法是将所有内容分开内联的“样式”标签（粗体，斜体等）并截断，同时跟踪未关闭的标签。

Answer 2

我不知道任何图书馆，但它不应该那么复杂（80％）。您只需要一个简单的“解析器”来理解4种类型的令牌：

然后你必须遍历输入字符串，并计算“普通字符”。当你沿着字符串行走并计数时，只要计算出的正常字符数小于或等于你想要的数量，就会将每个标记复制到输出中。

您还需要构建一堆当前打开的标记，同时您还要考虑输入。每次你走过一个“开始标记”，你把它放到堆栈（它的名字），每次你找到一个结束标记，你从堆栈中删除最顶层的标记名称（希望输入是正确的XHTML）。

当你到达所需数量的普通字符的末尾时，你只需要为堆栈中剩余的标签名称写下结束HTML标签。

但要小心，这只适用于输入结构良好的XML。

我不知道你想用这段代码做什么，但你应该注意HTML / JavaScript注入攻击。

Answer 3

如果你真的想缩写HTML，那么就这样做（以所需长度剪切文本），将缩写结果通过http://jtidy.sourceforge.net/并希望最好。

Answer 4

接下来有很多用于此常见任务的库和工具：

的

的