提供一个JAVA过滤HTML代码和截取字符串的类（包括测试用例）

本文链接：https://blog.youkuaiyun.com/sunnish8/article/details/4539976

本文介绍了一种从HTML源码中去除HTML标签并截断字符串的方法。通过使用正则表达式来过滤掉HTML标签，确保了文本内容的纯净。此外，还提供了一个字符串截断功能，用于将长字符串按指定宽度进行截短，并在末尾添加省略号。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

package com.sunnish.util; import java.util.regex.Pattern; public class FunctionUtil { public static void main(String[] args) { String str="依据绩效管理体系的规定，公司决定于2008年12月22日-2009年1月 23& 日期间进行2008年年度绩效考评工作，具体事项如下："; String str_text=Html2Text(str); System.out.println(str_text); String slice=abbreviate(str_text,60,"..."); System.out.println(slice); } /** * @param str: * source string * @param width: * string's byte width * @param ellipsis: * a string added to abbreviate string bottom * @return String Object * @deprecated 这个函数是用来对输入的字符串进行截取的功能 */ public static String abbreviate(String str, int width, String ellipsis) { if (str == null || "".equals(str)) { return ""; } int d = 0; // byte length int n = 0; // char length for (; n < str.length(); n++) { d = (int) str.charAt(n) > 256 ? d + 2 : d + 1; if (d > width) { break; } } if (d > width) { n = n - ellipsis.length() / 2; return str.substring(0, n > 0 ? n : 0) + ellipsis; } return str = str.substring(0, n); } /** * @param str: * source string * @param width: * string's byte width * @param ellipsis: * a string added to abbreviate string bottom * @return String Object * @deprecated 这个函数是用来对输入字符的HTML代码进行过滤 */ 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 } }