刚刚看到一帖讨论帖（原帖地址：[讨论]博克首页制作的问题)。关于定长截取文章内容（包含HTML代码的）的问题。
此类问题，遇到的困惑就是无法简单的用Left来判断到底应该截取多少字符，比如这么一段文章内容
<table><tr><td>你好你好</td></table>
如果想要截取2个字符，那么Left(str,2)肯定是错的，因为这样只截取到"<t"
那如何来解决这个问题呢？我分两种应用情况来说明
1、截取后的内容只用保留纯文字，可以舍弃html标记
这个情况下，操作算比较简单的。首先，网页中定义个隐藏div标签或span标签，把文章内容（以下用content表示）写入进去。部分代码如下：
<div style="display:none" id="content"><%=content%></div>
然后，当网页onload后，用javascript来读取div中的内容，部分代码如下：
text=document.getElementById("content").innerText
注意，在这里用的是innerText，它和innerHTML的区别就在于，innerHTML读取的是div标签中的HTML代码，而innerText只读取div标签中的纯文本，这样就轻松的把文本部分可提取出来了。另补充，如果要提起纯文本，也可以把content中的所有html标签用正则表达式都替换掉。两者都是可行的。之后只要针对text进行定长截取就可以了。
2、截取后，也必须保留html格式
这个情况下，显得相对复杂。光是用截取技术是不可行，必须掌握一定的编译原理以及数据结构。大致原理如下，针对html标记，分为两类：单标记，即没有闭标记的html标记，如"<br>"；另外就是双标记，就是有闭标记的html标记，如<a></a>。所要做的就是对content的内容字符串进行遍历，执行如下算法。
（1）遇到一个单标记（可以用instr找一个个字符检查，也可以用正则表达式来定位），不去管它。
（2）遇到一个双标记的开标记，该开标记进栈
（3）遇到纯文本，文本数累计器自加1
（4）遇到一个双标记的闭标记，栈顶元素出栈
（5）如果文本数累计器＝所要截取的文本长度，那么执行（6），否则返回执行（1）
（6）截取字符串到遍历的当前位置，赋值给strHTML
（7）栈顶元素出帐，把该出栈元素（即开标记）所对应的闭标记添加到strHTML末尾，直到栈为空。
（8）操作结束
这个算法主要运用到了html的双标记特性，配合栈先进后出原则的使用（如果有学过数据结构的，可以明白算术表达式的计算就是这样来匹配括号的）。我粗略的写了一下，容错性还不强，比如遇到某些既可有闭标记又可没有的（如<li>），又比如xhtml的标准是所有单标记和没有内容的双标记都采用<..../>的方式结束等等。我不久会给出尽量完善代码，希望大家一起讨论。
[此贴子已经被作者于2006-8-26 21:48:53编辑过]
