java正则,过滤掉HTML标签,但保留指定的标签如table,tr,td

殇殇亿往岁月流

已于 2022-09-15 15:48:25 修改

阅读量979

点赞数

分类专栏： JAVA基础文章标签： java html servlet 正则表达式

于 2022-09-15 15:38:18 首次发布

本文链接：https://blog.csdn.net/ah_quwei/article/details/126872859

版权

JAVA基础专栏收录该内容

16 篇文章 0 订阅

订阅专栏

import lombok.extern.slf4j.Slf4j;
import org.apache.commons.lang3.StringUtils;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

/**
 * html标签清洗工具类
 *
 * @Author quwei
 * @Date 2022-09-14 14:33
 */
@Slf4j
public class HtmlUtil {

    private static final String regEx_table = "(?!</?(table|th|tr|td).*?>)<.*?>";//定义正则除表table、th、tr、td外的所有标签

    private static final String regEx_script = "<script[^>]*?>[\\s\\S]*?<\\/script>";// 定义script的正则表达式
    private static final String regEx_style = "<style[^>]*?>[\\s\\S]*?<\\/style>";// 定义style的正则表达式
    private static final String regEx_html = "<[^>]+>"; // 定义HTML标签的正则表达式
    private static final String regEx_space = "\\s*|\t|\r|\n";// 定义空格回车换行符
    private static final String regEx_w = "]*?>[\\s\\S]*?<\\/w[^>]*?>";//定义所有w标签


    /**
     * @param htmlStr
     * @return 删除Html标签
     * @author quwei
     */

    public static String delHTMLTag(String htmlStr) {

        Pattern p_w = Pattern.compile(regEx_w, Pattern.CASE_INSENSITIVE);
        Matcher m_w = p_w.matcher(htmlStr);
        htmlStr = m_w.replaceAll(""); // 过滤script标签

        Pattern p_script = Pattern.compile(regEx_script, Pattern.CASE_INSENSITIVE);
        Matcher m_script = p_script.matcher(htmlStr);

        htmlStr = m_script.replaceAll(""); // 过滤script标签
        Pattern p_style = Pattern.compile(regEx_style, Pattern.CASE_INSENSITIVE);
        Matcher m_style = p_style.matcher(htmlStr);
        htmlStr = m_style.replaceAll(""); // 过滤style标签

        Pattern p_html = Pattern.compile(regEx_html, Pattern.CASE_INSENSITIVE);
        Matcher m_html = p_html.matcher(htmlStr);
        htmlStr = m_html.replaceAll(""); // 过滤html标签

        Pattern p_space = Pattern.compile(regEx_space, Pattern.CASE_INSENSITIVE);
        Matcher m_space = p_space.matcher(htmlStr);
        htmlStr = m_space.replaceAll(""); // 过滤空格回车标签
        htmlStr = htmlStr.replaceAll(" ", ""); //过滤

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


    /**
     * 过滤HTML里去除表(table、th、tr、td)外的所有标签
     *
     * @param content
     * @return
     */
    public static String filterHtmlLabel(String content) {
        try {
            if (StringUtils.isNotEmpty(content)) {
                log.debug("html过滤前: {}", content);
                Pattern pattern = Pattern.compile(regEx_table, Pattern.CASE_INSENSITIVE);
                Matcher matcher = pattern.matcher(content);
                content = matcher.replaceAll("");
                log.debug("html过滤后: {}", content);
                return content.trim();
            }
        } catch (Exception e) {
            log.error("html标签过滤异常: {}", e.getMessage());
        }
        return content;
    }