JAVA过滤HTML代码和截取字符串的类（包括测试用例）

最新推荐文章于 2021-02-16 04:27:31 发布

weixin_34212762

最新推荐文章于 2021-02-16 04:27:31 发布

阅读量84

点赞数

CC 4.0 BY-SA版权

文章标签： java 测试 python

原文链接：https://my.oschina.net/xiahuawuyu/blog/70872

本文介绍了一个Java程序，该程序能够去除HTML标签并实现文本截断功能。通过使用正则表达式，程序有效地清理了HTML标签，并能根据指定长度对文本进行截断，同时保留完整句子。

2019独角兽企业重金招聘Python工程师标准>>>

import java.util.regex.Pattern;   
  
public class FunctionUtil {   
    public static void main(String[] args) {   
        String str = "<p><font size=\"2\"><span style=\" mce_style=\"font-size: 10.5pt\">"  
                + "依据绩abc效管理体系的规定，公司决定于</span><span style=\" mce_style=\"font-size: 10.5pt\">"  
                + "2008</span><span style=\" mce_style=\"font-size: 10.5pt\">年</span><span style=\" "  
                + "mce_style=\"font-size: 10.5pt\">12</span><span style=\" mce_style=\"font-size: 10.5pt\">"  
               + "月</span><span style=\" mce_style=\"font-size: 10.5pt\">22</span><span style=\" "  
               + "mce_style=\"font-size: 10.5pt\">日</span><span style=\" mce_style=\"font-size: 10.5pt\">"  
                + "\"-2009</span><span style=\" mce_style=\"font-size: 10.5pt\">年</span><span style=\" "  
               + "mce_style=\"font-size: 10.5pt\">1</span><span style=\" mce_style=\"font-size: 10.5pt\">"  
              + "月</span><span style=\" mce_style=\"font-size: 10.5pt\"> 23& </span><span style=\" "  
                + "mce_style=\"font-size: 10.5pt\">日期间进行</span><span style=\" mce_style=\"font-size: "  
               + "10.5pt\">2008</span><span style=\" mce_style=\"font-size: 10.5pt\">年年度绩效考评工作，"  
                + "具体事项如下：</span></font></p>";   
        String str_text = Html2Text(str);   
        System.out.println(str_text);   
        String slice = abbreviate(str_text, 100, "...");   
        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  
     *   
     */  
    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  
    *   
     */  
   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   
   }   
}

转载于:https://my.oschina.net/xiahuawuyu/blog/70872