本文介绍一种贪心算法，用于将多个带格式标记的文本片段智能合并为结构最优的html代码，在保证语义正确的同时最小化标签数量，并合理嵌套不同长度的格式链。

本文介绍一种贪心算法，用于将多个带格式标记的文本片段智能合并为结构最优的html代码，在保证语义正确的同时最小化标签数量，并合理嵌套不同长度的格式链。

要实现高效、语义清晰且标签精简的HTML格式合并（如 <b><i>text1</i></b>text2<b>text3</b> → 优化为 <b><i>text1</i>text2</b>text3），关键不在于逐段渲染，而在于全局感知格式跨度——即每个格式（如 bold、italic）实际覆盖哪些连续文本块。由此引出核心思想：按格式作用域长度降序排列，优先包裹更长的格式链；同时动态维护当前激活格式栈，仅在必要时开闭标签。

算法步骤（优化版贪心策略）

1. 预处理：计算各格式的作用域
   对每个格式 f（如 "bold"），扫描所有文本块，确定其首次开启位置 start_f 和最后一次关闭位置 end_f（含 end_f 的前一块）。作用域长度 len_f = end_f − start_f + 1。

2. 排序格式：按作用域长度降序
   若 len_italic > len_bold，则 italic 应处于外层；若相等，可依约定（如字典序或声明顺序）打破平局。

3. 构建格式事件流（关键）
   为每块文本 i（0-indexed），记录：

   • starts[i]: 本块开始时需启用的格式集合（按作用域长度降序）
   • ends[i]: 本块结束后需关闭的格式集合（即 i+1 块不再包含该格式）

4. 单遍生成HTML（带栈管理）
   维护当前已开启但未关闭的格式栈 openStack（按嵌套深度从外到内），初始为空。遍历每块 i：

   # 关闭不再需要的格式（从栈顶向下匹配）
   while openStack and openStack[-1] not in starts[i]:
       print(f"</{openStack.pop()}>")
   
   # 开启新格式（按作用域长度降序，确保长格式在外）
   for f in sorted(starts[i], key=lambda x: -scope_len[x]):
       if f not in openStack:  # 避免重复开启
           print(f"<{f}>")
           openStack.append(f)
   
   # 输出当前文本内容
   print(texts[i])

   ✅ 注意：starts[i] 是第 i 块起始时应激活的格式（即该块本身带此格式），而非“从此块开始生效”。因此关闭判断基于 openStack[-1] not in starts[i] —— 若栈顶格式在下一块不出现，即需在此块后关闭。

示例验证

输入：

DeepBI DHTML 页面生成器

生成可在 deepbi 沙箱 iframe 内运行或作为独立文件运行的交互式 HTML 页面，使用 `window.deepbi` JS SDK 实现数据查询、空间管理、文件浏览及用户操作。当用户提出以下需求时启用该能力： - 创建 KPI 仪表盘、数据表格、文件浏览器、成员列表、管理页面； - 明确要求“转成 dhtml”、“转译成 HTML”、“把 XX 页面转成……”、“控制台页面”、“管理后台”、“DeepBI 页面迁移”； - 提及位于 `apps/console/src/featur

下载

text1[bold,italic]   → starts[0] = {bold, italic}, scope: bold→[0,1], italic→[0,1]
text2[bold]          → starts[1] = {bold},           scope: bold→[0,1], italic→[0,1]
text3[]              → starts[2] = {}

• scope_len: italic=2, bold=2 → 可按字母序排为 [italic, bold]
• i=0: 开 <i><b></b></i> → stack = ['i','b'] → 输出 text1
• i=1: starts[1]={bold} → 'i' 不在其中 → 关 ；'b' 在 → 保留 → 输出 text2
• i=2: starts[2]={} → 关 → 输出 text3
  最终：

  <i>
  <b>text1</b>
  text2
  </i>
  text3

  ⚠️ 但注意：原需求中 text1[bold,italic] + text2[bold] + text3[] 的期望输出是 <b><i>text1</i>text2</b>text3，说明bold 覆盖更长（0–1），italic 仅 0 → 此时 scope_len[bold]=2, scope_len[italic]=1，bold 应在外层。算法自动适配：排序后 starts[i] 按 [bold, italic] 处理，i=0 开 <b><i></i></b>，i=1 仅需保留 bold，故关 ，i=2 关 ，完美匹配。

  立即学习“前端免费学习笔记（深入）”；

实现提示与边界处理

• 空格式块：starts[i] = set() 表示无格式，触发全部关闭。
• 格式重叠不连续：如 text1[bold], text2[], text3[bold] → bold 作用域为 [0,0] 和 [2,2]，非连续，scope_len[bold] = 1（取最大连续段），确保不错误跨段包裹。
• 性能：O(n·f + f log f)，n 为文本块数，f 为格式种类数，适用于常规文档处理。
• 扩展性：支持任意嵌套格式（如 underline, code, color），只需统一纳入作用域分析与排序。

该算法以简洁的贪心逻辑，兼顾语义准确性与HTML结构优雅性，是富文本合并场景中标签优化的工业级实践方案。