Станьте первыми 100 символов содержимого HTML, не разделяя теги

Раньше я делал это с помощью регулярных выражений. Возьмите контент, удалите теги с помощью регулярного выражения, затем обрежьте его до желаемой длины.

Конечно, при этом удаляется весь HTML, чего я и хотел. Если вы хотите сохранить HTML, я бы подумал не закрывать открытые теги, а скорее удалить открытые теги.

Что, если вы проанализируете HTML в структуре DOM, а затем начнете обход в ширину или сначала в глубину, что вам нравится, собирая текст узлов, пока не достигнете 100 символов?

Я решил использовать собственное решение ... просто для того, чтобы сделать это.

Если кто-нибудь увидит какие-либо логические ошибки или неэффективность, дайте мне знать.

Я не знаю, лучший ли это подход ... но, похоже, он работает. Вероятно, есть случаи, когда это не работает ... и, скорее всего, выйдет из строя, если html неверен.

/// <summary>
/// Get the first n characters of some html text
/// </summary>
private string truncateTo(string s, int howMany, string ellipsis) {

    // return entire string if it's more than n characters
    if (s.Length < howMany)
        return s;

    Stack<string> elements = new Stack<string>();
    StringBuilder sb = new StringBuilder();
    int trueCount = 0;

    for (int i = 0; i < s.Length; i++) {
        if (s[i] == '<') {

            StringBuilder elem = new StringBuilder();
            bool selfclosing = false;

            if (s[i + 1] == '/') {

                elements.Pop(); // Take the previous element off the stack
                while (s[i] != '>') {
                    i++;
                }
            }
            else { // not a closing tag so get the element name

                while (i < s.Length && s[i] != '>') {

                    if ((s[i] >= 'a' && s[i] <= 'z') || (s[i] >= 'A' && s[i] <= 'Z')) {
                        elem.Append(s[i]);
                    }
                    else if (s[i] == '/' || s[i] == ' ') {

                        // self closing tag or end of tag name. Find the end of tag
                        do {
                            if (s[i] == '/' && s[i + 1] == '>') {
                                // at the end of self-closing tag. Don't store
                                selfclosing = true;
                            }

                            i++;
                        } while (i < s.Length && s[i] != '>');
                    }
                    i++;
                } // end while( != '>' )

                if (!selfclosing)
                    elements.Push(elem.ToString());
            } 
        }
        else {
            trueCount++;
            if (trueCount > howMany) {
                sb.Append(s.Substring(0, i - 1));
                sb.Append(ellipsis);
                while (elements.Count > 0) {
                    sb.AppendFormat("</{0}>", elements.Pop());
                }
            }
        }
    }

    return sb.ToString();
}