摘自网上:
http://www.javaeye.com/topic/217508
新闻内容或者博客文章,如果显示摘要,需要去除内容的html格式标签,找到一个正则表达式,实现了:
/**
* 删除input字符串中的html格式
*
* @param input
* @param length
* @return
*/
public static String splitAndFilterString(String input, int length) {
if (input == null || input.trim().equals("")) {
return "";
}
// 去掉所有html元素,
String str = input.replaceAll("
\\&[a-zA-Z]{1,10
};", "").replaceAll(
"<[^>]*>", "");
str = str.replaceAll("[(/>)<]", "");
int len = str.length();
if (len <= length) {
return str;
} else {
str = str.substring(0, length);
str += "......";
}
return str;
}
\\&[a-zA-Z]{1,10}; 什么作用啊?
\\& &字符
[a-zA-Z]{1,10} 任意字母(包含大小写)组成的字串,长度为1到10
匹配例如:< > 之类的字串
方法明显太过暴力,假如我的内容用<1><2><3>这样的形式来作为步骤的标示,那不是一样被删。
男人要绅士要优雅。
// 去掉所有html元素,
String str = input.replaceAll("<[a-zA-Z]+[1-9]?[^><]*>", "")
.replaceAll("</[a-zA-Z]+[1-9]?>", "");
为了您的安全,请只打开来源可靠的网址 打开网站
取消
来自: http://hi.baidu.com/lifa868/blog/item/2016cc177ec8414021a4e987.html
==============================================================================================
提供一个JAVA过滤HTML代码和截取字符串的类(包括测试用例)
http://hi.baidu.com/%CE%D2%BA%DC%B0%AE%D5%C5%B2%AE%C2%D7/blog/item/9d17acd7bd07812206088b47.html =============================================================================================
java 正则表达式 过滤html标签
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
* <p>
* Title: HTML相关的正则表达式工具类
* </p>
* <p>
* Description: 包括过滤HTML标记,转换HTML标记,替换特定HTML标记
* </p>
* <p>
* Copyright: Copyright (c) 2006
* </p>
*
* @author hejian
* @version 1.0
* @createtime 2006-10-16
*/
public class HtmlRegexpUtil {
private final static String regxpForHtml = "<([^>]*)>"; // 过滤所有以<开头以>结尾的标签
private final static String regxpForImgTag = "<[url=file://s*img//s+([%5E%3E]*)//s]\\s*img\\s+([^>]*)\\s[/url]*>"; // 找出IMG标签
private final static String regxpForImaTagSrcAttrib = "src=\"([^\"]+)\""; // 找出IMG标签的SRC属性
/**
*
*/
public HtmlRegexpUtil() {
// TODO Auto-generated constructor stub
}
/**
*
* 基本功能:替换标记以正常显示
* <p>
*
* @param input
* @return String
*/
public String replaceTag(String input) {
if (!hasSpecialChars(input)) {
return input;
}
StringBuffer filtered = new StringBuffer(input.length());
char c;
for (int i = 0; i <= input.length() - 1; i++) {
c = input.charAt(i);
switch (c) {
case '<':
filtered.append("<");
break;
case '>':
filtered.append(">");
break;
case '"':
filtered.append(""");
break;
case '&':
filtered.append("&");
break;
default:
filtered.append(c);
}
}
return (filtered.toString());
}
/**
*
* 基本功能:判断标记是否存在
* <p>
*
* @param input
* @return boolean
*/
public boolean hasSpecialChars(String input) {
boolean flag = false;
if ((input != null) && (input.length() > 0)) {
char c;
for (int i = 0; i <= input.length() - 1; i++) {
c = input.charAt(i);
switch (c) {
case '>':
flag = true;
break;
case '<':
flag = true;
break;
case '"':
flag = true;
break;
case '&':
flag = true;
break;
}
}
}
return flag;
}
/**
*
* 基本功能:过滤所有以"<"开头以">"结尾的标签
* <p>
*
* @param str
* @return String
*/
public static String filterHtml(String str) {
Pattern pattern = Pattern.compile(regxpForHtml);
Matcher matcher = pattern.matcher(str);
StringBuffer sb = new StringBuffer();
boolean result1 = matcher.find();
while (result1) {
matcher.appendReplacement(sb, "");
result1 = matcher.find();
}
matcher.appendTail(sb);
return sb.toString();
}
/**
*
* 基本功能:过滤指定标签
* <p>
*
* @param str
* @param tag
* 指定标签
* @return String
*/
public static String fiterHtmlTag(String str, String tag) {
String regxp = "<[url=file://s/]\\s[/url]*" + tag + "[url=file://s+([%5e%3e]*)//s]\\s+([^>]*)\\s[/url]*>";
Pattern pattern = Pattern.compile(regxp);
Matcher matcher = pattern.matcher(str);
StringBuffer sb = new StringBuffer();
boolean result1 = matcher.find();
while (result1) {
matcher.appendReplacement(sb, "");
result1 = matcher.find();
}
matcher.appendTail(sb);
return sb.toString();
}
/**
*
* 基本功能:替换指定的标签
* <p>
*
* @param str
* @param beforeTag
* 要替换的标签
* @param tagAttrib
* 要替换的标签属性值
* @param startTag
* 新标签开始标记
* @param endTag
* 新标签结束标记
* @return String
* @如:替换img标签的src属性值为[img]属性值[/img]
*/
public static String replaceHtmlTag(String str, String beforeTag,
String tagAttrib, String startTag, String endTag) {
String regxpForTag = "<[url=file://s/]\\s[/url]*" + beforeTag + "[url=file://s+([%5e%3e]*)//s]\\s+([^>]*)\\s[/url]*>";
String regxpForTagAttrib = tagAttrib + "=\"([^\"]+)\"";
Pattern patternForTag = Pattern.compile(regxpForTag);
Pattern patternForAttrib = Pattern.compile(regxpForTagAttrib);
Matcher matcherForTag = patternForTag.matcher(str);
StringBuffer sb = new StringBuffer();
boolean result = matcherForTag.find();
while (result) {
StringBuffer sbreplace = new StringBuffer();
Matcher matcherForAttrib = patternForAttrib.matcher(matcherForTag
.group(1));
if (matcherForAttrib.find()) {
matcherForAttrib.appendReplacement(sbreplace, startTag
+ matcherForAttrib.group(1) + endTag);
}
matcherForTag.appendReplacement(sb, sbreplace.toString());
result = matcherForTag.find();
}
matcherForTag.appendTail(sb);
return sb.toString();
}
新闻内容或者博客文章,如果显示摘要,需要去除内容的html格式标签,找到一个正则表达式,实现了:
/**
* 删除input字符串中的html格式
*
* @param input
* @param length
* @return
*/
public static String splitAndFilterString(String input, int length) {
if (input == null || input.trim().equals("")) {
return "";
}
// 去掉所有html元素,
String str = input.replaceAll("
"<[^>]*>", "");
str = str.replaceAll("[(/>)<]", "");
int len = str.length();
if (len <= length) {
return str;
} else {
str = str.substring(0, length);
str += "......";
}
return str;
}
\\&[a-zA-Z]{1,10}; 什么作用啊?
\\& &字符
[a-zA-Z]{1,10} 任意字母(包含大小写)组成的字串,长度为1到10
匹配例如:< > 之类的字串
方法明显太过暴力,假如我的内容用<1><2><3>这样的形式来作为步骤的标示,那不是一样被删。
男人要绅士要优雅。
// 去掉所有html元素,
String str = input.replaceAll("<[a-zA-Z]+[1-9]?[^><]*>", "")
.replaceAll("</[a-zA-Z]+[1-9]?>", "");
为了您的安全,请只打开来源可靠的网址 打开网站
来自: http://hi.baidu.com/lifa868/blog/item/2016cc177ec8414021a4e987.html
提供一个JAVA过滤HTML代码和截取字符串的类(包括测试用例)
- package com.sunnish.util;
- 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,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
- }
- }
http://hi.baidu.com/%CE%D2%BA%DC%B0%AE%D5%C5%B2%AE%C2%D7/blog/item/9d17acd7bd07812206088b47.html
java 正则表达式 过滤html标签
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
* <p>
* Title: HTML相关的正则表达式工具类
* </p>
* <p>
* Description: 包括过滤HTML标记,转换HTML标记,替换特定HTML标记
* </p>
* <p>
* Copyright: Copyright (c) 2006
* </p>
*
* @author hejian
* @version 1.0
* @createtime 2006-10-16
*/
public class HtmlRegexpUtil {
private final static String regxpForHtml = "<([^>]*)>"; // 过滤所有以<开头以>结尾的标签
private final static String regxpForImgTag = "<[url=file://s*img//s+([%5E%3E]*)//s]\\s*img\\s+([^>]*)\\s[/url]*>"; // 找出IMG标签
private final static String regxpForImaTagSrcAttrib = "src=\"([^\"]+)\""; // 找出IMG标签的SRC属性
/**
*
*/
public HtmlRegexpUtil() {
// TODO Auto-generated constructor stub
}
/**
*
* 基本功能:替换标记以正常显示
* <p>
*
* @param input
* @return String
*/
public String replaceTag(String input) {
if (!hasSpecialChars(input)) {
return input;
}
StringBuffer filtered = new StringBuffer(input.length());
char c;
for (int i = 0; i <= input.length() - 1; i++) {
c = input.charAt(i);
switch (c) {
case '<':
filtered.append("<");
break;
case '>':
filtered.append(">");
break;
case '"':
filtered.append(""");
break;
case '&':
filtered.append("&");
break;
default:
filtered.append(c);
}
}
return (filtered.toString());
}
/**
*
* 基本功能:判断标记是否存在
* <p>
*
* @param input
* @return boolean
*/
public boolean hasSpecialChars(String input) {
boolean flag = false;
if ((input != null) && (input.length() > 0)) {
char c;
for (int i = 0; i <= input.length() - 1; i++) {
c = input.charAt(i);
switch (c) {
case '>':
flag = true;
break;
case '<':
flag = true;
break;
case '"':
flag = true;
break;
case '&':
flag = true;
break;
}
}
}
return flag;
}
/**
*
* 基本功能:过滤所有以"<"开头以">"结尾的标签
* <p>
*
* @param str
* @return String
*/
public static String filterHtml(String str) {
Pattern pattern = Pattern.compile(regxpForHtml);
Matcher matcher = pattern.matcher(str);
StringBuffer sb = new StringBuffer();
boolean result1 = matcher.find();
while (result1) {
matcher.appendReplacement(sb, "");
result1 = matcher.find();
}
matcher.appendTail(sb);
return sb.toString();
}
/**
*
* 基本功能:过滤指定标签
* <p>
*
* @param str
* @param tag
* 指定标签
* @return String
*/
public static String fiterHtmlTag(String str, String tag) {
String regxp = "<[url=file://s/]\\s[/url]*" + tag + "[url=file://s+([%5e%3e]*)//s]\\s+([^>]*)\\s[/url]*>";
Pattern pattern = Pattern.compile(regxp);
Matcher matcher = pattern.matcher(str);
StringBuffer sb = new StringBuffer();
boolean result1 = matcher.find();
while (result1) {
matcher.appendReplacement(sb, "");
result1 = matcher.find();
}
matcher.appendTail(sb);
return sb.toString();
}
/**
*
* 基本功能:替换指定的标签
* <p>
*
* @param str
* @param beforeTag
* 要替换的标签
* @param tagAttrib
* 要替换的标签属性值
* @param startTag
* 新标签开始标记
* @param endTag
* 新标签结束标记
* @return String
* @如:替换img标签的src属性值为[img]属性值[/img]
*/
public static String replaceHtmlTag(String str, String beforeTag,
String tagAttrib, String startTag, String endTag) {
String regxpForTag = "<[url=file://s/]\\s[/url]*" + beforeTag + "[url=file://s+([%5e%3e]*)//s]\\s+([^>]*)\\s[/url]*>";
String regxpForTagAttrib = tagAttrib + "=\"([^\"]+)\"";
Pattern patternForTag = Pattern.compile(regxpForTag);
Pattern patternForAttrib = Pattern.compile(regxpForTagAttrib);
Matcher matcherForTag = patternForTag.matcher(str);
StringBuffer sb = new StringBuffer();
boolean result = matcherForTag.find();
while (result) {
StringBuffer sbreplace = new StringBuffer();
Matcher matcherForAttrib = patternForAttrib.matcher(matcherForTag
.group(1));
if (matcherForAttrib.find()) {
matcherForAttrib.appendReplacement(sbreplace, startTag
+ matcherForAttrib.group(1) + endTag);
}
matcherForTag.appendReplacement(sb, sbreplace.toString());
result = matcherForTag.find();
}
matcherForTag.appendTail(sb);
return sb.toString();
}