正则处理数据当中存在的H5标签

最新推荐文章于 2022-09-21 21:54:26 发布

原创最新推荐文章于 2022-09-21 21:54:26 发布 · 239 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#java #数据库 #spring #后端

本文分享了一种针对千万级别数据表的清洗方法，通过使用正则表达式精确过滤HTML标签，同时保留img和a标签，确保数据清洗的准确性和效率。

首先，先上我的图例，最近被分配的任务，清洗某张千万级别的表，所以就碰到了下面的问题了，下面上才艺吧！！！

String regEx_script="]*?>[\\s\\S]*?<\\/script>"; //定义script的正则表达式
String regEx_style="]*?>[\\s\\S]*?<\\/style>"; //定义style的正则表达式
String regEx_html= "(?!<(img|A|a).*?>)(?!<\\/(img|A|a).*?>)<.*?>";//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(licenceContent);
licenceContent=m_script.replaceAll(""); //过滤script标签

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

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

当然我这里是保留了img和a标签，没有为什么，只是个人需要~~~所以还是在附上个不保留的吧！！！

String regEx_html="<[^>]+>"; //定义HTML标签的正则表达式