去除网页内容中的一些样式，包含图片的地址，样式，空格，回车，还有其他的一些特殊转义符

hutongling

于 2019-01-31 10:45:56 发布

阅读量369

点赞数 1

CC 4.0 BY-SA版权

分类专栏：工程实践 java多线程文章标签：实践

本文链接：https://blog.youkuaiyun.com/hutongling/article/details/86711971

java多线程同时被 2 个专栏收录

24 篇文章

订阅专栏

工程实践

2 篇文章

订阅专栏

本文介绍了一种去除网页中图片和样式的方法，通过正则表达式过滤文本中的尖括号及样式内容，同时处理了一些特殊转义字符，如'&amp;'和换行制表符。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

去除网页中的一些样式

public static String removeImgUrl(String str)
{
    if (str == null)
    {
        return "";
    }
    else
    {
        // 可能存在中文的尖括号或者英文的尖括号，所以需要过滤两次
        return str.replaceAll("&lt", "<").replaceAll("&gt", ">")
                .replaceAll("<img.*[^>]*>", "")
                .replaceAll("＜img.*[^＞]*＞", "").replaceAll("amp;", "")
                .replaceAll("nbsp;", "").replaceAll("&;", "")
                .replaceAll("[\\s*\\t*\\n\\r]", "");
    }
}
// 过滤文本中的尖括号及中间的内容(主要是用于过滤样式),还有一些特殊的转义符：“&amp” 替换为“&” (&amp转义之后为&);
// “&;”替换为“”; 换行制表符回车等都替换为“”
public static String removeTextFormatAndImgUrl(String str)
{
    if (str == null)
    {
        return "";
    }
    else
    {
        // 可能存在中文的尖括号或者英文的尖括号，所以需要过滤两次
        return str.replaceAll("&lt", "<").replaceAll("&gt", ">")
                .replaceAll("<[^>]*>", "").replaceAll("＜[^＞]*＞", "")
                .replaceAll("amp;", "").replaceAll("nbsp;", "")
                .replaceAll("&;", "").replaceAll("&quot;", "\"")
                .replaceAll("[\\s*\\t*\\n\\r]", "");//
    }
}