Java 正则表达式去除HTML标记

天之丛云

于 2012-10-13 20:30:36 发布

阅读量701

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 string input null

本文链接：https://blog.youkuaiyun.com/iamwangch/article/details/8068215

Java 专栏收录该内容

7 篇文章

订阅专栏

本文介绍了一种使用Java去除HTML标记的方法，该方法能够有效提取纯文本内容，适用于新闻摘要等场景。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在做一个读取新闻摘要的时候，需要提取正文的字符。可是一般提取出来都有html标记格式，而这些会影响页面的效果。
在网上找到下面这个去除HTML标记的方法。

/**移出HTML中的内容**/
	public static String removeHTML(String input,int length){
		 
		if (input == null || input.trim().equals("")) {
			return "";
		}
		// 去掉所有html元素,
		String str = input.replaceAll("\\&[a-zA-Z]{1,10};", "").replaceAll(
				"<[^>]*>", "");
		str = str.replaceAll("[(/>)<]", "");
		int len = str.length();
		if (len <= length) {
			return str;
		} else {
			str = str.substring(0, length);
			str += "......";
		}
		//System.out.println(" 去除html后的字符 ： "+str);
		return str;
		 
	}