在 HTML 段中强制结束标签或忽略缺少的结束标签答案

【问题标题】：Forcing ending tags in HTML segments or ignoring missing ending tags在 HTML 段中强制结束标签或忽略缺少的结束标签
【发布时间】：2009-08-22 13:08:36
【问题描述】：

在创建显示较大 html 文档的子集（前 x 个字符）的 rss 提要时，我遇到了一个问题，即某些标签以“前 x 个字符”开始，但结束标签超出该范围。如果提要的使用者试图在提要中呈现 html，这可能会导致一些有趣的问题，因为这可能会导致显示提要的页面出现意外的呈现问题。

我假设这是 rss 提要作者和读者很久以前就解决的一个常见问题，但我似乎无法弄清楚如何实现它，除非尝试解析提要中的 html 并添加缺失的结束标签，这可能变得凌乱。任何建议将不胜感激。提前致谢。

克里斯

【问题讨论】：

【解决方案1】：

如果你使用 php，一个很好的解决方案是HTMLPurifier。它将清理它并使其完全安全地重新传输。

【讨论】：

【解决方案2】：

不确定这是否适用于您的项目，但我在 FeedDemon 中使用 HTML Tidy。

【讨论】：

【解决方案3】：

较大的文档从何而来？如果存在生成 HTML 的源文本，那么将其截断并从截断的版本重新生成 HTML 比处理部分 HTML 的问题要容易得多。要完全正确地执行此操作，您基本上需要重新解析和序列化 HTML。

无论如何，RSS 中的 HTML 仍然很麻烦。您最好去掉所有标签并在剩下的内容上进行简单的文本截断。

【讨论】：

较大的文档来自用户从 YUI 富文本编辑器输入的文本。此文本中通常会包含 HTML 格式。
这很不幸。正确处理一般的 HTML 非常非常棘手，尤其是关心安全性。您可能必须获得一个成熟的 HTML 解析器，将输入转换为 DOM 或类似的对象树，然后在重新序列化之前修剪掉位。
（这基本上是 Tidy 或 Purifier 内部要做的事情。）