如何在不创建格式错误的 HTML 标签的情况下拆分字符串？

Question

我在做什么：

• 在 NodeJS 中，我正在使用 MustacheJS 创建一个电子邮件模板，并使用来自 JSON 对象数组的数据。
• 模板中的文本/消息可以包含文本以及基本的 html 标记（例如 b p 和 a）。
• 由于篇幅限制，我只需要显示消息的摘录。为此，我进行了字数统计，然后说 20 个字（用空格检查），我截断字符串并附加 View more 锚标记。这会将其链接到包含完整帖子的网站的帖子页面。比如：

嘿，这是一个示例帖子文本<b>message</b>。 Lorem ipsum dolor 坐 阿米特... <a href="someurl">查看更多</a>

问题：

在字数统计和截断期间，我可能会截断 html 标记之间的字符串，因为我只是根据空格计算单词。比如：

我正在与您分享一个链接。 <a style="color:...<a href="someurl">查看更多</a>

现在这会破坏 html。

可能的解决方案：

• 在截断字符串之前，对其运行正则表达式以查找其中的所有 html 标记。
• 使用indexOf()（或其他方法）查找每个标签的开始和结束索引。
• 字数统计后，获取我需要截断的索引。
• 现在看看索引是否与任何标签区域相交。
• 如果确实相交，只需将截断索引移动到 html 标记的开头或结尾即可。

问题：

有没有更好的方法来做到这一点。我不知道我应该在 google 上搜索哪些搜索词以获得帮助。

附：代码很灵活，如果有更好的解决方案，我可以更改流程。另外，我不擅长帖子标题。如果可以，请将其修改为反映问题的内容。

---

编辑：

这是我在亚历克斯回答后想出的。希望它可以帮助别人：

/**
 * Counter: Takes a string and returns words and characters count
 * @param value
 * @returns obj: {
 *      'wordCount': (int),
 *      'totalChars': (int),
 *      'charCount': (int),
 *      'charCountNoSpace': (int)
 *  }
 */
var counter = function(value){
    var regex = /\s+/gi;
    if (!value.length) {
        return {
            wordCount: 0,
            totalChars: 0,
            charCount: 0,
            charCountNoSpace: 0
        };
    }
    else {
        return {
            wordCount: value.trim().replace(regex, ' ').split(' ').length,
            totalChars: value.length,
            charCount: value.trim().length,
            charCountNoSpace: value.replace(regex, '').length
        };
    }
}


/**
 * htmlSubString - Creates excerpt from markup(or even plain text) without creating malformed HTML tags
 * @param markup {string} - Markup/text to take excerpt out of
 * @param limit {int} - Total word count of excerpt. Note that only text (not the html tag) counts as a valid word.
 * @returns {string} - Excerpt
 */
var htmlSubString = function(markup, limit){
    var htmlParser = require("htmlparser2");
    var tagCount = 0;
    var wordCount = 0;
    var excerpt = '';

    function addToExcerpt(type, text, attribs) {
        if ((wordCount >= limit && tagCount == 0) || (tagCount === 1 && type === 'tagOpen' && wordCount >= limit)) {
            return false;
        }
        else if (wordCount < limit || tagCount) {
            if (type === 'text') {
                var wordCountSubString = $scope.counter(text).wordCount;
                if (wordCountSubString + wordCount > limit && tagCount === 0) {
                    var length = limit - wordCount;
                    var wordList = text.trim().split(' ');

                    for (var i = 0; i < length; i++) {
                        excerpt += ' ' + wordList[i];
                        wordCount++;
                    }
                } else {
                    wordCount += wordCountSubString;
                    excerpt += text;
                }

            } else if (type === 'tagOpen') {
                excerpt += '<' + text;
                for (var prop in attribs) {
                    excerpt += ' ' + prop + '="' + attribs[prop] + '"';
                }
                excerpt += '>';
            } else if (type === 'tagClose') {
                excerpt += '</' + text + '>';
            }
        }

        return true;
    }

    var parser = new htmlParser.Parser({
        onopentag: function (name, attribs) {
            if(wordCount < limit){
                ++tagCount;
                addToExcerpt('tagOpen', name, attribs);
            }
        },
        ontext: function (text) {
            if(wordCount < limit){
                addToExcerpt('text', text);
            }
        },
        onclosetag: function (tagName) {
            if(wordCount < limit || tagCount > 0){
                addToExcerpt('tagClose', tagName);
                --tagCount;
            }
        }
    });

    parser.write(markup);
    parser.end();

    return excerpt;
}

用法：

var wordCountLimit = 20;
var markup = "/* some markup/text */";
var excerpt = htmlSubString(markup, wordCountLimit);

Answer 1

现在，您肯定能够找到一些与正则表达式匹配的 HTML 标记。也就是说，我不推荐它。一开始你会很开心，一切都会很好。然后明天你会发现一个小的边缘案例。 “不用担心！”您会说，当您修改表达式以解释差异时。然后第二天，一个新的调整，一个新的，又一个，等等，直到你不能再忍受了。

我强烈建议您找到一个已经建立的 HTML 解析库。 npm 上似乎有很多。 This one 似乎很受欢迎。

PS - 你的问题做得很好。我希望更多问题花费尽可能多的时间并提供尽可能多的细节:)