java中去掉html标签
2016-04-07 10:02
525 查看
使用正则表达式删除HTML标签。
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:
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; }
相关文章推荐
- java-String中的 intern()
- Spring源代码解析(五):Spring AOP获取Proxy
- Spring源代码解析(四):Spring MVC
- Myeclipse 导入别人的项目,汉字是乱码怎么办?
- Spring源代码解析(三):Spring JDBC
- 在eclipse中查看android源码
- 64位win7系统中JDK的安装及环境变量的配置
- Spring源代码解析(二):IoC容器在Web容器中的启动
- java多线程之Phaser
- Spring源代码解析(一):IOC容器
- JAVA的环境的手动安装配置
- java.lang.OutOfMemoryError: PermGen space及其解决方法
- jdk下载安装配置
- 二进制中1的个数 & 打印1到最大的n位数 Java实现
- 设计模式---模板方法模式
- spring mvc 过滤器 详解
- spring mvc 拦截器 详解
- RxJava
- Spring注解@Scheduled定时任务
- Java递归算法——汉诺塔问题