JAVA 过滤标签将html内容转换为文本

项目中的大牛写的html文本过滤函数
 
 
/**
	 * 把html内容转为文本
	 * @param html 需要处理的html文本
	 * @param filterTags 需要保留的html标签样式
	 * @return
	 */
	public static String trimHtml2Txt(String html, String[] filterTags){	
		html = html.replaceAll("\\<head>[\\s\\S]*?</head>(?i)", "");//去掉head
		html = html.replaceAll("\\<!--[\\s\\S]*?-->", "");//去掉注释
		html = html.replaceAll("\\<![\\s\\S]*?>", "");
		html = html.replaceAll("\\<style[^>]*>[\\s\\S]*?</style>(?i)", "");//去掉样式
		html = html.replaceAll("\\<script[^>]*>[\\s\\S]*?</script>(?i)", "");//去掉js
		html = html.replaceAll("\\<w:[^>]+>[\\s\\S]*?</w:[^>]+>(?i)", "");//去掉word标签
		html = html.replaceAll("\\<xml>[\\s\\S]*?</xml>(?i)", "");
		html = html.replaceAll("\\<html[^>]*>|<body[^>]*>|</html>|</body>(?i)", "");
		html = html.replaceAll("\\\r\n|\n|\r", " ");//去掉换行
		html = html.replaceAll("\\<br[^>]*>(?i)", "\n");
		List<String> tags = new ArrayList<String>();
		List<String> s_tags = new ArrayList<String>();
		List<String> halfTag = Arrays.asList(new String[]{"img","table","thead","th","tr","td"});//
		if(filterTags != null && filterTags.length > 0){
			for (String tag : filterTags) {
				tags.add("<"+tag+(halfTag.contains(tag)?"":">"));//开始标签
				if(!"img".equals(tag)) tags.add("</"+tag+">");//结束标签
				s_tags.add("#REPLACETAG"+tag+(halfTag.contains(tag)?"":"REPLACETAG#"));//尽量替换为复杂一点的标记,以免与显示文本混合,如:文本中包含#td、#table等
				if(!"img".equals(tag)) s_tags.add("#REPLACETAG/"+tag+"REPLACETAG#");
			}
		}
		html = ExStringUtils.replaceEach(html, tags.toArray(new String[tags.size()]), s_tags.toArray(new String[s_tags.size()]));				
		html = html.replaceAll("\\</p>(?i)", "\n");
		html = html.replaceAll("\\<[^>]+>", "");
		html = ExStringUtils.replaceEach(html,s_tags.toArray(new String[s_tags.size()]),tags.toArray(new String[tags.size()]));
		html = html.replaceAll("\\ ", " ");
		return html.trim();
	}

  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 20
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 20
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值