java处理文本中得html标签

最新推荐文章于 2024-07-26 00:33:07 发布

chen's blog

最新推荐文章于 2024-07-26 00:33:07 发布

阅读量294

点赞数

分类专栏： java

本文链接：https://blog.youkuaiyun.com/Java_glory_/article/details/107713213

版权

java 专栏收录该内容

9 篇文章

订阅专栏

本文介绍了一种使用Java编程语言去除HTML文本中各种标签的方法，包括script、style及通用HTML标签，通过正则表达式匹配并替换，实现纯文本的提取。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

去除问文本中html标签
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

    if (htmlStr == null || htmlStr.equals("")) {
        return null;
    }
    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
}