【转】http://blog.csdn.net/zdtwyjp/article/details/5736430

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：

 

 

[java]  view plain  copy   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;      }  }