强制HTML段中的结束标签或忽略缺失的结束标签

Question

创建显示较大html文档的子集（前x个字符）的rss供稿时，我遇到了一些问题，其中一些标签以“前x个字符“但结束标签超出了该范围。如果Feed的使用者试图呈现Feed中的HTML，则这可能会导致一些有趣的问题，因为它可能会在显示Feed的页面中导致意外的呈现问题。

我假设这是rss feed作家和读者很久以前解决的常见问题，但我似乎无法弄清楚如何实现它，试图解析html中的feed并添加缺少的结束标签可能会变得混乱。任何建议，将不胜感激。提前致谢。

克里斯

Answer 1

如果您使用PHP，一个优秀的解决方案是HTMLPurifier。它将清理它并使其完全安全地重新传输。

Answer 2

不知道这是否适用于您的项目，但我在FeedDemon中使用了HTML Tidy。

Answer 3

大文件从哪里来？如果有生成HTML的源文本，那么很多更容易截断它，并从截断版本重新生成HTML，而不是处理部分HTML的处理问题。要正确地做到这一点，基本上需要重新解析和重新编译HTML。无论如何，在RSS里面的HTML仍然很麻烦。你可能会更好地去掉所有的标签，并在剩下的部分做一个简单的文本截断。