html截取摘要并补齐标签(htmlparser)一

http://scnujie.iteye.com/blog/232743

从html里面截取摘要关键在于在截取的时候不能截断它里面的标签，所以就要想法让它在截取的时候能截全标签：方法是写一个算法让它在截取所指定长度时只计算标签

外面文本的数量而标签里面的长度不计算在内，这样才能以指定的长度截取到不会断节的标签：

　　下面就是这个小算法（见笑了）：

Java代码

1. publicstaticStringreadWithTag(Filefilename,intlength)throwsIOException{
2. Stringcontent=readFileByLines(filename);
3. intpos=0,len=0,count=0;
4. Strings="";
5. StringBuffersb=newStringBuffer();
6. while(true)
7. {
8. if(count>=length)
9. break;
10. s=content.substring(pos,pos+1);
11. if(s.equals("<"))
12. {
13. len=content.indexOf(">",pos)-pos;
14. for(inti=0;i<len;i++)
15. {
16. s=content.substring(pos+i,pos+i+1);
17. sb.append(s);
18. }
19. pos+=len;
20. }
21. else
22. {
23. if(count<length)
24. {
25. if(s.equals(">"))
26. {
27. sb.append(s);
28. pos++;
29. }
30. sb.append(s);
31. count++;
32. pos++;
33. }
34. }
35. }
37. returnsb.toString();
38. }

详情请见下一篇:html截取摘要并补齐标签二