如何使用Java缩写HTML？

由于正确执行此操作并不容易，因此我通常会剥离所有标签并截断。这很好地控制了文本大小和外观，通常需要将其放置在确实需要控制的位置。

请注意，您可能会发现我的提案非常保守，实际上这不是您问题的正确答案。但大多数时候，替代方案是：

• 剥离所有标签并截断
• 提供可管理的可选内容富文本，该格式文本将用作截断的文本。这当然仅适用于CMS等情况

截断HTML很难的原因是你不知道截断会如何影响HTML的结构。你会如何在一个综合体的中间截断，甚至更糟糕的是，在一个综合体的中间？<ul><table>

所以这里的问题是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是将所有内容剥离出内联“样式”标记（粗体，斜体等），并在跟踪未关闭的标记时截断。

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”，它理解4种类型的令牌：

• 开始标记 - 以 开头但不以 结尾但以结尾但不是结尾的所有内容<</>/>
• 结束标记 - 以 开头和结尾的所有内容</>
• 自结束标记（如 ） - 以 开头但不以结尾但不是结尾的所有内容<br/><<//>>
• 正常字符 - 不是其他类型的所有内容

然后，您必须遍历输入字符串，并计算“正常字符”。当您沿着字符串和计数进行操作时，只要计数的正常字符小于或等于您想要的数量，就可以将每个令牌复制到输出中。

你还需要构建一堆当前打开的标签，而你走路时认为输入。每次你走过一个“开始标签”时，你把它放在堆栈（它的名字）上，每次你找到一个结束标签，你从堆栈中删除最上面的标签名称（希望输入是正确的XHTML）。

当您达到所需数量的正常字符的末尾时，您只需要为堆栈上剩余的标签名称编写结束HTML标签。

但请注意，这仅适用于格式正确的 XML 输入。

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。