IT干货网

java 去掉html标签

wyy 2022年03月15日 编程设计 173 0

使用正则表达式删除HTML标签。 

import java.util.regex.Matcher;  
import java.util.regex.Pattern;  
 
public class HTMLSpirit{  
    public static String delHTMLTag(String htmlStr){  
        String regEx_script="<script[^>]*?>[\\s\\S]*?<\\/script>"; //定义script的正则表达式  
        String regEx_style="<style[^>]*?>[\\s\\S]*?<\\/style>"; //定义style的正则表达式  
        String regEx_html="<[^>]+>"; //定义HTML标签的正则表达式  
          
        Pattern p_script=Pattern.compile(regEx_script,Pattern.CASE_INSENSITIVE);  
        Matcher m_script=p_script.matcher(htmlStr);  
        htmlStr=m_script.replaceAll(""); //过滤script标签  
          
        Pattern p_style=Pattern.compile(regEx_style,Pattern.CASE_INSENSITIVE);  
        Matcher m_style=p_style.matcher(htmlStr);  
        htmlStr=m_style.replaceAll(""); //过滤style标签  
          
        Pattern p_html=Pattern.compile(regEx_html,Pattern.CASE_INSENSITIVE);  
        Matcher m_html=p_html.matcher(htmlStr);  
        htmlStr=m_html.replaceAll(""); //过滤html标签  
 
        return htmlStr.trim(); //返回文本字符串  
    }  
} 




Java中去掉网页HTML标记的方法 
Java里面去掉网页里的HTML标记的方法: 

/** 
* 去掉字符串里面的html代码。<br> 
* 要求数据要规范,比如大于小于号要配套,否则会被集体误杀。 

* @param content 
* 内容 
* @return 去掉后的内容 
*/ 

public static String stripHtml(String content) {  
// <p>段落替换为换行  
content = content.replaceAll("<p .*?>", "\r\n");  
// <br><br/>替换为换行  
content = content.replaceAll("<br\\s*/?>", "\r\n");  
// 去掉其它的<>之间的东西  
content = content.replaceAll("\\<.*?>", "");  
// 还原HTML  
// content = HTMLDecoder.decode(content);  
return content;  
}

评论关闭
IT干货网

微信公众号号:IT虾米 (左侧二维码扫一扫)欢迎添加!