強制HTML段中的結束標籤或忽略缺失的結束標籤

Question

創建顯示較大html文檔的子集（前x個字符）的rss供稿時，我遇到了一些問題，其中一些標籤以「前x個字符「但結束標籤超出了該範圍。如果Feed的使用者試圖呈現Feed中的HTML，則這可能會導致一些有趣的問題，因爲它可能會在顯示Feed的頁面中導致意外的呈現問題。

我假設這是rss feed作家和讀者很久以前解決的常見問題，但我似乎無法弄清楚如何實現它，試圖解析html中的feed並添加缺少的結束標籤可能會變得混亂。任何建議，將不勝感激。提前致謝。

克里斯

Answer 1

如果您使用PHP，一個優秀的解決方案是HTMLPurifier。它將清理它並使其完全安全地重新傳輸。

Answer 2

不知道這是否適用於您的項目，但我在FeedDemon中使用了HTML Tidy。

Answer 3

大文件從哪裏來？如果有生成HTML的源文本，那麼很多更容易截斷它，並從截斷版本重新生成HTML，而不是處理部分HTML的處理問題。要正確地做到這一點，基本上需要重新解析和重新編譯HTML。無論如何，在RSS裏面的HTML仍然很麻煩。你可能會更好地去掉所有的標籤，並在剩下的部分做一個簡單的文本截斷。