最近想到该更新下自己网站了，好吧，就从那个我已经看不惯很久的msn space同步转发器开刀...
如果你是先通过space看到这篇文章的话，应该就能看到效果了。撇去显示效果不说，这里提一个有趣的问题：
换句话说，假设有下面这段html代码：
<p>this is a truncated html source<a href=\"some _fcksavedurl="\"some" URL\">some hyperlink</a>.<BR>
more text</p><p>one more</p>
出于某种需要，希望只显示（保留）这段代码的前n个字节。这样的需求其实不少见，最明显的就是在msn space文章同步的时候，我只希望对文章的大致内容转发过去，目前的做法就是截取文章的前1000字节。
如果仅仅是对一段普通文本进行这样的处理，那实在简单不过。直接截取即可。但是html却不同。
例如，对于上面的文字，如果截取的部分是：
今后将这段代码用于其它页面将出现不可能预见的问题。
考虑下面的代码：
<p>Some html code</p>
The following is a truncated article:<div><%=truncated_text%></div>
将上面被强制截断的代码片断填充到这段代码可能会让好好的html页面面目全非。
因此，我们需要"优雅"的去截断这段html。
何谓"优雅"?
造成上述问题的根本原因在于对html的强制截断忽略了html的结构信息，使得后面浏览器的分析操作出现紊乱。
因此，优雅的去进行html截断必须在截断后仍旧维持当前的html结构信息。
可能你会说，这还不简单，直接实现一个html parser或者用xml dom分析器来完成此事。的确可以，不过这样的效率和代价实在有点可怕了。因此，要完成这个优雅的截断操作，同时需要在执行效率以及资源消耗间做取舍。同时，尽量避免动辄用dom parser的恶俗。
寻找一种刚好能解决此问题，且保证效率较高并尽量避免滥用资源的途径是我们需要的。
我的方法
相信在这个所谓的什么"web2.0" "web3.0?"的扯淡名词时代恐怕已经有人实现过类似的东西，所以这里仅说说我目前的实现方案。如果你知道有更好的办法，希望能和大家分享。
撇开具体实现，这个问题其实很简单，就是一个配对问题。用一个stack来跟踪html标签的使用情况，每个<tag>应该有一个对应的</tag>配对。因此我们只要扫描一遍html，堆栈上残留的元素就是没有配对的tag。这些tag就是因为我们的暴力截取而成为孤对的。因此我们只要在html代码末尾FILO的补上这些这些tag的对应/tag即可。
但是还有些细节问题。
- 因为html没有xml规范，所以一些情况下未配对的tag也是允许的，例如<BR>。
- 存在单一自配对的<tag/>例如<img xxx />。
同时，对于暴力截断的html代码，我们不能奢望它们正好截断在一对tag之间，就像上面给出的例子那样，对于末尾是
的情况，我们还首先需要将这些“残缺”的tag给删去，否则即使配对仍旧存在问题。
大致的思路就是这样，关键就是如何实现的问题了。这里我仅采用javascript的String.replace方法进行上述的html扫描。
具体实现
实际上实现的困难在于如何去识别html的tag。这里的底线是不能用现有的dom parser。Javascript的正则式功能在这里就能派上大用处了。根据上面的分析，为了进行tag匹配的分析，我们需要识别出html中的所有tag。
他们存在下面几种形式
- < tagname some_attr>
- < / tagname>
- < tagname />
我们的任务是编写正则式去查找这些tag。并且捕获到tagname。这里用到了一个偏方，利用String.replace方法。
一般，很多人都这样用它some_str.replace(/some regexp/, "new text");
实际上，他有另一个形式：
some.replace(/some regexp/, function( match_text)
{
return "new text";
});
利用一个匿名函数进行替换...
实际上，这个replace是一个再好不过的基于正则式的查找操作手段。因为相比手写一个查找循环，他的迭代操作是在解析器内部实现的，效率肯定要高很多。同时据我所知，要写个循环依次查找每个匹配正则式的循环很不容易，貌似没法指定搜索的开始字符。
好了，到此关键问题解决了。试验证明用这个办法效率完全可以接受，同时完全没有使用任何第三方的东西。
是具体实现时候要注意考虑前面提到的所有特殊情况。
下面来看下效果，为了展示各种情况，另外给个例子：
经过处理后，变成了：
有了这个功能，相信在作诸如自动缩略文处理时候就会轻松许多。（此刻让我想起了某些blog强制把html转成纯文本作略文的办法...）
最后，给出一个测试代码。喜欢的可以直接拿去用。当然，留下原始作者信息
http://www.csksoft.net/data/legacyftp/Products/code_and_lib/wise_cut_csk.zip
