java使用正则去除html标签

最新推荐文章于 2024-01-24 15:30:50 发布

J_eng

最新推荐文章于 2024-01-24 15:30:50 发布

阅读量617

点赞数 1

CC 4.0 BY-SA版权

分类专栏： Java基础文章标签： java html 正则

本文链接：https://blog.youkuaiyun.com/wzmaoabc1993/article/details/78212027

Java基础专栏收录该内容

1 篇文章

订阅专栏

本文介绍了一种使用Java实现的去除HTML标签的方法。通过正则表达式匹配并替换所有HTML标签，确保纯文本内容的准确提取。此方法首先清除所有空白字符，然后移除所有的HTML标签，并最后替换掉'&nbsp;'等转义字符。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

/**
     * 去除html标签
     * @param htmlContent 内容
     * @return
     */
    private String removeHtmlTag(String htmlContent){
        //去除html标签
        htmlContent = htmlContent.replaceAll("\\s*",""); //去除空格
        String regEx_html="<[^>]+>";                      //HTML标签正则表达式
        Pattern pattern = Pattern.compile(regEx_html);
        Matcher matcher = pattern.matcher(htmlContent);
        while (matcher.find()){
            htmlContent = htmlContent.replace(matcher.group(),"");
        }
        return htmlContent.replaceAll("&nbsp;","");
    }