java截取带html标签的字符串，再把标签补全

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&nbsp;
  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;
 }
}