很多做站的朋友都会有一个问题，在显示摘要的时候，如果摘要前有很多图片，那么显示出来的页面是不太正常的。比如，摘要显示100个字符，可是如果前面有很多图片，去掉图片代码后，100个字符已经几乎用完了。怎么办？
我个人是这样处理的。在PHP中，先用strip_tags去除内容中的标签，然后trim一下，再进行截取。这样的话就几乎没有什么问题了。
而这篇文章就有点意思，用作者的话来说，是无损html。来吧看看他写的内容。
最近在做一些内容搜索的工作，搜索出来的内容为html格式，列表部分需要显示每项内容的一部分。因为是html格式的内容，直接截取内容的前多少字符显 然不合适了。而如果直接去掉所有html格式然后再截取又无法达到想要的效果，再网上搜了一通之后，写下如下代码应该可以满足基本的要求了。(js写的， 因为容易调试)
JavaScript代码
- var br = {};
- br.spTags = ["img","br","hr"];
- br.contain = function(arr,it){
- for(var i=0,len=arr.length;i<len;i++){
- if(arr[i]==it){
- return true;
- }
- }
- return false;
- }
- br.subArtc = function(article,worldNum){
- var result = [];
-
- var wcount = 0;
- var startTags = [],endTags = [];
- var isInTag = false;
- for(var i=0,len=article.length;i<len;i++){
- var w = article[i];
- result.push(w);
- if(w=="<"){
- isInTag = true;
- }
- if(!isInTag){
- wcount++;
- if(wcount==worldNum){
- break;
- }
- }
- if(w==">"){
- isInTag = false;
- }
- }
-
- var j=0;
- isInTag = false;
- var isStartTag = true;
- var tagTemp = "";
- while(j<i){
- w = result[j];
- if(isInTag){
- if(w==">" || w==" " || w=="/"){
- isInTag = false;
- if(isStartTag){
- startTags.push(tagTemp);
- }else{
- endTags.push(tagTemp);
- }
- tagTemp = "";
- }
- if(isInTag){
- tagTemp+=w;
- }
- }
- if(w=="<"){
- isInTag = true;
- if(result[j+1]=="/"){
- isStartTag = false;
- j++;
- }else{
- isStartTag = true;
- }
- }
- j++;
- }
-
- var newStartTags = [];
- for(var x=0,len=startTags.length;x<len;x++){
- if(!br.contain(br.spTags,startTags[x])){
- newStartTags.push(startTags[x]);
- }
- }
-
- var unEndTagsCount = newStartTags.length - endTags.length;
- while(unEndTagsCount>0){
- result.push("<");
- result.push("/")
- result.push(newStartTags[unEndTagsCount-1]);
- result.push(">");
- unEndTagsCount--;
- }
- return result.join("");
- };
基本思路：
1.绕过标记，取得实际内容字数 ，如需要显示内容前100个字，绕过标记检索，得到第一百个字实际的索引。然后截取此索引前面的字串。
2.根据一得到的字串，得到这个字串中存在的开始标记和结束标记。注：此处的开始标记标识以"<"开通，且下一个字符不为"/"。
3.剔除2中 得到的开始标记中的不需要成对出现的标记。如br,img,hr等。
4.对比经过3处理的开始标记和2中得到的结束标记，没有配成对的在合适的位置为其配对。
此功能没有经过严格的测试，大家若有兴趣可以可以帮忙测试，有更好的想法的也可以回帖讨论。
--EOF--http://www.cnblogs.com/bravfing/archive/2010/05/02/1725924.html
我没有用PHP的试过，因为在PHP中本身对多字节的支持就不是特别的好不象js，认为中文就是一个字符。不过思路可以考虑一下，但真正要显示摘要的话，当然还是不要含 HTML代码，因为那可能会影响页面布局。
rtf是一种富文本格式，根据RFC的规范，可以将其转为各种文件，如doc,wps等，但如果真的要根据RFC规范一点点的写程序，那就真的太累了。所以。。。我用wps转换了。
以前写过wps生成文档的程序，就是这篇闲着无聊，用WPS生成文档，现在，这个RTF转换到HTML也可以用PHP来完成
PHP代码
- <?php
- $wps = new COM('WPS.Application');
- $wps->Visible = false; //不显示wps界面
- $filename = realpath('./RTF_to_HTML_Converter.rtf');
- $stime = microtime(1);
- for ( $ii = 0; $ii < 1000; $ii++ ){
- $savedfile = "c:\\convert\\{$ii}_test.html";
- $doc = $wps->Documents->Open($filename);
- $doc->SaveAs($savedfile, 8);
- $doc->Close();
- }
- $wps->Quit();
- echo( sprintf( "%0.6f" , (microtime(1)-$stime) ) );
- unset( $doc , $wps );
测试了一下，生成1000个文件，花了257秒，4分多种，可以接受这个时间，只是在转换的时候，CPU超过50%，而且是在命令行下的。如果是在网页界面肯定是没有这么快的了。
PS:转换后，中文编码实体化了，看看中文怎么转，变成这样的格式，它是什么内容呢？它们就是：【看看中文怎么转】<-- 可以看一下源码，就知道这7个字是什么样的了
这个问题我从来没有遇到过，所以感觉很新鲜。
希望遇到这个问题的朋友看到后能够有恍然大悟的感觉。当然事实上很多情况是，不会有人在头部加注释。。
原文：http://blog.linym.net/archives/474（全部翻译成简体了。。原文是繁体）
前几天学弟问我一个问题，说他CSS排版的网页在大部分浏览器都正常，唯独IE怪怪的，网页中的DIV元素怎么样都无法居中，困扰了他许久，他的原始代码内容大致如下：
<!-- Head area -->
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
<title>Test Page</title>
<style type="text/css">
<!--
#content {
margin: 0 auto;
width: 500px;
}
-->
</style>
</head>
<body>
<!-- Content Begin -->
<div id="content">Content</div>
<!-- Content End -->
</body>
</html>
嗯。看起来不应该会有什么问题，那是什么原因让IE无法将DIV居中呢？突然注意到他网页头问那一行注释，因为自己写网页到现在从未在头部使用过注释
果然，拿掉以后就一切正常了。IE，还真是搞不懂你啊！
(注：全系列 IE 都有此现象)
HTML重构，以前是一个新鲜的东西，我也没有理解，博客园上有人在介绍，还写了三篇。。。
我这里只简单的复制点东西，还是以链接为重吧。（战略篇全文如下）
《Refactoring HTML: Improving the Design of Existing Web Applications》是一本精彩的HTML重构指南，作者给出了HTML重构的实践路线和方法。本文是《Refactoring HTML》的读书笔记，按照我的理解将全书的分为：战略篇，战术篇，工具篇。
本文是战略篇：全局方略的角度介绍重构的内涵，原因，时机，目标
嗯哼，我们开始：
进行重构就像打一场仗，而战争的发起是要慎重考虑的，《孙子兵法》里面讲“兵者，国之大事，死生之地，存亡之道，不可不察也。”所以动手重构之前首先要回答下面几个问题：
- 什么是重构？
- 为什么进行HTML重构？
- 什么时候进行HTML重构？
- HTML重构的目标是什么？
- 面对质疑：还要重构么？
什么是重构 Refactoring?
本书侧重实战，没有《UML Distilled》那样高屋建瓴的抽象，即使有抽象，抽象层面牵扯的细节过多(这一点在后续的阅读中也可以发现)。这一部分内容我援引了《Refactoring: Improving the Design of Existing Code》对重构的定义：
Refactoring (noun): a change made to the internal structure of software to make it easier to understand and cheaper to modify without changing its observable behavior.
Refactor (verb): to restructure software by applying a series of refactorings without changing its observable behavior.
为什么进行HTML重构？
抽象地讲，HTML重构的可以让代码更能适应变化，应对系统和领域需求为新功能的开发提供更优秀的基础。
具体地讲，HTML重构可以：
- 让代码更具有可读性，更容易理解
- 重构过程中往往有意外的收获：发现隐藏的系统Bug
- 增强页面可用性， 关注点从设计者开发者转移到使用者
- 缩短提高页面的呈现时间(Slow pages -Rendering Times)
- 解决页面浏览器不兼容问题
- 搜索引擎优化Search Engine Optimization
进行HTML重构的时机?
- 每一次进行重新设计之前；新功能将构建在一个更稳固的基础之上
- Refactor When You Need to Fix a Bug
- Refactor As You Do a Code Review
- 一个原则:勿以善小而不为；重构的过程往往是断断续续的，很少有一个连续的时间给我们进行重构。所以我们只要有机会进行重构，就动手去做吧
HTML重构的目标（What Refactor To） ?
- XHTML
理由：XHTML更加严格，浏览器不再解析乱作一团的标签而是格式规范的页内容，这时负担从浏览器转移到页面开发者。内容聚合，搜索引擎优化，样式表都可以更好的应用基础。开发者能够更容易调试和解决问题，因为问题更容易定位了。XHTML不能完全解决浏览器兼容问题，但是它能够消除大部分的浏览器不兼容问题已经居功甚伟。主流HTML编辑器都提供对XHTML的支持。XHTML是未来Web应用提供坚实的基础，如：MathXML MusicXML SVG。
- CSS
理由：将展现层从内容中分离出来。为不同的阅读者提供高可读性。减少代码重复，节省带宽。
REST(Representational State Transfer表述性状态转移)是一种针对网络应用的设计和开发方式，可以降低开发的复杂性，提高系统的可伸缩性。REST提出了一些设计概念和准则：
1.网络上的所有事物都被抽象为资源（resource）；
2.每个资源对应一个唯一的资源标识（resource identifier）；
3.通过通用的连接器接口（generic connector interface）对资源进行操作；
4.对资源的各种操作不会改变资源标识；
5.所有的操作都是无状态的（stateless）。
REST之所以能够提高系统的可伸缩性，是因为它强制所有操作都是stateless的，这样就没有context的约束，如果要做分布式、做集群，就不需要考虑context的问题了。同时，它令系统可以有效地使用pool。REST对性能的另一个提升来自其对client和server任务的分配：server只负责提供resource以及操作resource的服务，而client要根据resource中的data和representation自己做render。这就减少了服务器的开销。
重构的目标不是金科玉律，你没有必要逐一进行实践。你可以按照XHTML->CSS-->Rest的顺序按部就班步步为营，也可以根据实际情况调整重构目标和计划。但是只要你做了，你就可以从重构过程中得到好处。
面对质疑：还要重构么？
重构的本质决定了它不是生产性的，重构的完成并没有新功能的产生。所以重构往往面临来自各方面的质疑：
面对质疑我们给出这样的答案：
- HTML重构从长远来看为后续开发提供了一个良好的基础，实际上是节省了时间。因为系统更容易添加新功能，更容易维护。重构的过程能让开发者对以前的工作有一个思考，对新人是一个熟悉系统的机会。
- HTML重构本身并不会占用太多的时间，因为我们有很多自动化的工具可用。
- HTML重构不需要一个连续的时间，断断续续的时间未尝不可，对于开发者来说，进行重构就像日行一善。
HTML重构：战略篇
HTML重构：战术篇
HTML重构：工具篇
之所以再写一次，是因为看到了IBM上的一篇文章，时间也比较早，我在以前也写过一篇简单的文章来进行介绍，不过这篇IBM的写的比较全，而且我以前的写的也仅仅是评论，并没有就COMET的技术进行详细的介绍。
IBM上是这样说的，这只是简单的摘录一段，详细的还是到该页面去看吧，因为IBM的页面说明了有版权限制，而如果要申请复制文章的话，又比较复杂和繁琐，因此，只能这样了：
http://www.ibm.com/developerworks/cn/web/wa-lo-comet/
- 传统模式的 Web 系统以客户端发出请求、服务器端响应的方式工作。这种方式并不能满足很多现实应用的需求，譬如：
-
- * 监控系统：后台硬件热插拔、LED、温度、电压发生变化；
- * 即时通信系统：其它用户登录、发送信息；
- * 即时报价系统：后台数据库内容发生变化；
-
- 这些应用都需要服务器能实时地将更新的信息传送到客户端，而无须客户端发出请求。“服务器推”技术在现实应用中有一些解决方案，本文将这些解决方案分为两类：一类需要在浏览器端安装插件，基于套接口传送信息，或是使用 RMI、CORBA 进行远程调用；而另一类则无须浏览器安装任何插件、基于 HTTP 长连接。
-
- 将“服务器推”应用在 Web 程序中，首先考虑的是如何在功能有限的浏览器端接收、处理信息：
-
- 1. 客户端如何接收、处理信息，是否需要使用套接口或是使用远程调用。客户端呈现给用户的是 HTML 页面还是 Java applet 或 Flash 窗口。如果使用套接口和远程调用，怎么和 JavaScript 结合修改 HTML 的显示。
- 2. 客户与服务器端通信的信息格式，采取怎样的出错处理机制。
- 3. 客户端是否需要支持不同类型的浏览器如 IE、Firefox，是否需要同时支持 Windows 和 Linux 平台。
