Java库截断html字符串？

我需要截断在存储在数据库之前已经被我的应用程序清理过的 html 字符串，并且仅包含链接、图像和格式标记。但在向用户呈现时，需要对其进行截断以呈现内容概述。

So I 需要缩写html字符串在java中这样

<img src="http://d2qxdzx5iw7vis.cloudfront.net/34775606.jpg" />   
<br/><a href="http://d2qxdzx5iw7vis.cloudfront.net/34775606.jpg" />

当被截断时不返回这样的东西

<img src="http://d2qxdzx5iw7vis.cloudfront.net/34775606.jpg" />   
<br/><a href="htt

但相反返回

<img src="http://d2qxdzx5iw7vis.cloudfront.net/34775606.jpg" />   
<br/>

即使在阅读了所有评论之后，您的要求还是有点模糊。鉴于您的示例和解释，我假设您的要求如下：

• 输入是由 (x)html 标签组成的字符串。您的示例不包含此内容，但我假设输入可以在标签之间包含文本。
• 在您的问题中，我们不关心嵌套。因此，输入实际上只是与标签混合的文本，其中开始、结束和自结束标签都被认为是等效的。
• 标签可以包含带引号的值。
• 您想要截断字符串，以便字符串不会在标签中间被截断。因此，在截断的字符串中，每个“”字符。

我将为您提供两种解决方案，一种简单的解决方案可能不正确，具体取决于输入的具体情况，另一种更复杂的解决方案是正确的。

第一个解决方案

对于第一个解决方案，我们首先找到截断大小之前的最后一个“>”字符（这对应于完全关闭的最后一个标签）。该字符之后可能会出现不属于任何标签的文本，因此我们随后搜索最后一个闭合标签之后的第一个“

public static String truncate1(String input, int size)
{
    if (input.length() < size) return input;

    int pos = input.lastIndexOf('>', size);
    int pos2 = input.indexOf('<', pos);

    if (pos2 < 0 || pos2 >= size) {
        return input.substring(0, size);
    }        
    else {
        return input.substring(0, pos2);
    }
}

当然，此解决方案不考虑带引号的值字符串：“”字符可能出现在字符串内，在这种情况下应忽略它们。无论如何，我提到了解决方案，因为您提到您的输入已被清理，因此您可能可以确保带引号的字符串永远不会包含“”字符。

第二种解决方案

为了考虑带引号的字符串，我们不能再依赖标准 Java 类，但我们必须自己扫描输入并记住当前是否在标签内和字符串内。如果我们在字符串之外遇到“

public static String truncate2(String input, int size)
{
    if (input.length() < size) return input;

    int lastTagStart = 0;
    boolean inString = false;
    boolean inTag = false;

    for (int pos = 0; pos < size; pos++) {
        switch (input.charAt(pos)) {
            case '<':
                if (!inString && !inTag) {
                    lastTagStart = pos;
                    inTag = true;
                }
                break;
            case '>':
                if (!inString) inTag = false;
                break;
            case '\"':
                if (inTag) inString = !inString;
                break;
        }
    }
    if (!inTag) lastTagStart = size;
    return input.substring(0, lastTagStart);
}