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，我使用 MustacheJS 创建电子邮件模板，使用 JSON objects.
模板中的 text/message 可以包含文本以及基本 html 标签（例如 b p 和 a）。
由于 space 的限制，我只需要显示消息的摘录。为此，我做了一个字数统计，然后让我们说 20 个字（由 spaces 检查）我 t运行对字符串进行分类并附加 View more 锚标记。这会将它链接到网站的 post 页面，该页面包含完整的 post。类似于：

Hey this is a sample post text <b>message</b>. Lorem ipsum dolor sit amit... <a href="someurl">View more</a>

问题：

在字数统计和 t运行cation 期间，我可能 t运行将字符串放在 html 标记之间，因为我只是根据 space。类似于：

I am sharing a link with you. <a style="color:... <a href="someurl">View more</a>

现在这将打破 html。

可能的解决方案：

在运行匹配字符串之前，运行一个正则表达式用于查找其中的所有 html 标签。
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，获取我需要运行分类的索引。
现在看看索引是否与任何标记区域相交。
如果相交，只需将 t运行cate 索引移动到 html 标记的开头或结尾。

问题：

有没有更好的方法来做到这一点。我不知道应该在 google 上搜索什么搜索词才能获得这方面的帮助。

P.S。代码很灵活，如果有明显更好的解决方案，我可以更改流程。另外，我不擅长 post 标题。如果可以，请修改为反映问题的内容。

编辑：

这是我在 Alex 的回答后想到的。希望对其他人有帮助：

/**
 * 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，您一定能够找到一些 HTML 匹配正则表达式的标签。也就是说，我不推荐它。一开始你会很高兴，一切都会很好。然后明天你会发现一个小的边缘案例。 "No worries!" 当您修改表达式以解决差异时，您会说。然后第二天，一个新的调整，一个新的，又一个，等等，直到你不能再接受它。

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 似乎相当受欢迎。

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

如何在不创建格式错误的 HTML 标签的情况下拆分字符串？

How do I break up a string without creating malformed HTML tags?

html

javascript

parsing

html-parsing

node.js