如何在不创建格式错误的HTML标记的情况下分解字符串

Question

我在做什么：

• 在NodeJS中，我使用MustacheJS创建了一个电子邮件模板，使用JSON对象数组中的数据
• 模板中的文本/消息可以包含文本以及基本的html标记（如b p和a）
• 由于篇幅有限，我只需要展示一段信息摘录。为此，我进行了单词计数，比如说20个单词（用空格检查）之后，我截断字符串并附加View more锚标记。这会将其链接到网站的帖子页面，其中包含完整的帖子。类似于：

嘿，这是一个示例文章文本<b>message</b>。Lorem ipsum悲哀坐阿米特。。。<a href="someurl">查看更多</a>

问题：

在单词计数和截断过程中，我可能会截断html标记之间的字符串，因为我只是根据空间计算单词。类似于：

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

现在这将破坏html。

可能的解决方案：

• 在截断字符串之前，请对其运行regex以查找其中的所有html标记
• 使用indexOf()（或其他方法）查找每个标签的起始索引和结束索引
• 计算完单词后，在需要截断的地方获取索引
• 现在看看索引是否与任何标记区域相交
• 如果它确实相交，只需将截断索引移动到html标记的开始或结束即可

问题：

有更好的方法吗。我不知道我应该在谷歌上搜索什么搜索词，以获得帮助。

附言：代码很灵活，如果有更好的解决方案，我可以更改流程。另外，我对职称不太在行。如果可以，请将其修改为反映问题的内容。

---

编辑：

这是亚历克斯回答后我想到的。希望它能帮助其他人：

/**
 * 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。一开始你会很开心，一切都会很好。明天你会发现一个小箱子。"不用担心！"你会说，因为你修改了表达来解释差异。然后第二天，一个新的调整，一个又一个，等等，直到你再也受不了为止。

我强烈建议您找到一个已经建立的HTML解析库。npm上似乎有不少。这个似乎很受欢迎。

PS-你的问题做得很好。我希望更多的问题需要同样多的时间，并提供同样多的细节：）