新浪博客段落截取预览问题

小弟现在开发一个博客，
对于一篇客户发表的文章，可能是他从其他网站直接粘贴过来的，里面包含html代码，超链接，图片，空格等，
而在预览时就像新浪那样，只要显示一部分，
如果在500字以内，就截取到500字内的那最后一个段落，如果超过500字就截取到500字那止。
如果500字那里的那一字正好有样式，比如 <span class="kkk">俩</span>，
正好500字到kkk那，后面的字怎么截取，那么样式也成不规则的了。
如果其中某些文字包含超链接，就去掉超链接，
不规则的hmtl代码样式去掉，而规则的留着，
如果500字那里正好是一张图片，一张图片比如代码是<img src="pic.jpg" width=500 heigth="500">
如果500字那正好是在width那怎么办，怎不能把后面的不要?那图片也成不规则的了。
小弟对里面的实现原理不是很理解，有理解不对的地方，望请指正，
知道的大侠，请告诉我是怎么实现的，小弟在此感谢了。