过滤html标签__转转转

最新推荐文章于 2023-10-17 10:02:15 发布

cx19900910

最新推荐文章于 2023-10-17 10:02:15 发布

阅读量238

点赞数

CC 4.0 BY-SA版权

分类专栏： java 文章标签： HTML 正则表达式 Java

本文链接：https://blog.youkuaiyun.com/cx19900910/article/details/83779696

java 专栏收录该内容

60 篇文章

订阅专栏

本文介绍了一个Java方法，用于去除HTML字符串中的各种标签，如script、style和一般的HTML标签，以提取纯文本内容。通过使用正则表达式匹配并替换这些标签，可以有效地从HTML文档中提取文本。

package cn.java;

import java.util.regex.Pattern;

public class HTMLUtils {
         /**
          * @param str :
          *            source string
          * @param width :
          *            string's byte width
          * @param ellipsis :
          *            a string added to abbreviate string bottom
          * @return String Object
          *
          */
         public static String Html2Text(String inputString) {
             String htmlStr = inputString; // 含html标签的字符串
             String textStr = "";
             java.util.regex.Pattern p_script;
             java.util.regex.Matcher m_script;
             java.util.regex.Pattern p_style;
             java.util.regex.Matcher m_style;
             java.util.regex.Pattern p_html;
             java.util.regex.Matcher m_html;

             java.util.regex.Pattern p_html1;
             java.util.regex.Matcher m_html1;

             try {
                 String regEx_script = "<[\\s]*?script[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?script[\\s]*?>"; // 定义script的正则表达式{或<script[^>]*?>[\\s\\S]*?<\\/script>
                 // }
                 String regEx_style = "<[\\s]*?style[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?style[\\s]*?>"; // 定义style的正则表达式{或<style[^>]*?>[\\s\\S]*?<\\/style>
                 // }
                 String regEx_html = "<[^>]+>"; // 定义HTML标签的正则表达式
                 String regEx_html1 = "<[^>]+";
                 p_script = Pattern.compile(regEx_script, Pattern.CASE_INSENSITIVE);
                 m_script = p_script.matcher(htmlStr);
                 htmlStr = m_script.replaceAll(""); // 过滤script标签

                 p_style = Pattern.compile(regEx_style, Pattern.CASE_INSENSITIVE);
                 m_style = p_style.matcher(htmlStr);
                 htmlStr = m_style.replaceAll(""); // 过滤style标签

                 p_html = Pattern.compile(regEx_html, Pattern.CASE_INSENSITIVE);
                 m_html = p_html.matcher(htmlStr);
                 htmlStr = m_html.replaceAll(""); // 过滤html标签

                 p_html1 = Pattern.compile(regEx_html1, Pattern.CASE_INSENSITIVE);
                 m_html1 = p_html1.matcher(htmlStr);
                 htmlStr = m_html1.replaceAll(""); // 过滤html标签

                 textStr = htmlStr;

             } catch (Exception e) {
                 System.err.println("Html2Text: " + e.getMessage());
             }

             return textStr;// 返回文本字符串
         }

        public static void main(String[] args){
            String s = "<p>你好</p><script>alert(\"ok\");</script>";
            System.out.println(Html2Text(s));
        }
}