java 去掉字符串种的html标签

原创于 2021-11-04 14:57:47 发布 · 539 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#java #html #正则表达式

本文介绍了一种使用Java从字符串中去除HTML标签的方法。通过正则表达式匹配并删除script、style及一般的HTML标签，确保了文本内容的纯净。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

/**
 * 去除字符串中的HTML标签
 * @param htmlStr 包含html标签的字符串
 * @return
 */
public static String delHTMLTag(String htmlStr) {
    //定义script的正则表达式
    String regExScript = "<script[^>]*?>[\\s\\S]*?</script>";
    //定义style的正则表达式
    String regExStyle = "<style[^>]*?>[\\s\\S]*?</style>";
    //定义HTML标签的正则表达式
    String regExHtml = "<[^>]+>";

    Pattern pScript = Pattern.compile(regExScript, Pattern.CASE_INSENSITIVE);
    Matcher mScript = pScript.matcher(htmlStr);
    //过滤script标签
    htmlStr = mScript.replaceAll("");

    Pattern pStyle = Pattern.compile(regExStyle, Pattern.CASE_INSENSITIVE);
    Matcher mStyle = pStyle.matcher(htmlStr);
    //过滤style标签
    htmlStr = mStyle.replaceAll("");

    Pattern pHtml = Pattern.compile(regExHtml, Pattern.CASE_INSENSITIVE);
    Matcher mHtml = pHtml.matcher(htmlStr);
    //过滤html标签
    htmlStr = mHtml.replaceAll("");

    //返回文本字符串
    return htmlStr.trim();
}