java中利用正则去除html标签

java用正则去除html标签

[java]  view plain  copy

 

1. package com.xz.cxzy.utils;  
2.   
3. import java.util.regex.Matcher;  
4. import java.util.regex.Pattern;  
5.   
6. public class HtmlUtil {  
7.     private static final String regEx_script = "<script[^>]*?>[\\s\\S]*?<\\/script>"; // 定义script的正则表达式  
8.     private static final String regEx_style = "<style[^>]*?>[\\s\\S]*?<\\/style>"; // 定义style的正则表达式  
9.     private static final String regEx_html = "<[^>]+>"; // 定义HTML标签的正则表达式  
10.     private static final String regEx_space = "\\s*|\t|\r|\n";//定义空格回车换行符  
11.       
12.     /** 
13.      * @param htmlStr 
14.      * @return 
15.      *  删除Html标签 
16.      */  
17.     public static String delHTMLTag(String htmlStr) {  
18.         Pattern p_script = Pattern.compile(regEx_script, Pattern.CASE_INSENSITIVE);  
19.         Matcher m_script = p_script.matcher(htmlStr);  
20.         htmlStr = m_script.replaceAll(""); // 过滤script标签  
21.   
22.         Pattern p_style = Pattern.compile(regEx_style, Pattern.CASE_INSENSITIVE);  
23.         Matcher m_style = p_style.matcher(htmlStr);  
24.         htmlStr = m_style.replaceAll(""); // 过滤style标签  
25.   
26.         Pattern p_html = Pattern.compile(regEx_html, Pattern.CASE_INSENSITIVE);  
27.         Matcher m_html = p_html.matcher(htmlStr);  
28.         htmlStr = m_html.replaceAll(""); // 过滤html标签  
29.   
30.         Pattern p_space = Pattern.compile(regEx_space, Pattern.CASE_INSENSITIVE);  
31.         Matcher m_space = p_space.matcher(htmlStr);  
32.         htmlStr = m_space.replaceAll(""); // 过滤空格回车标签  
33.         return htmlStr.trim(); // 返回文本字符串  
34.     }  
35.       
36.     public static String getTextFromHtml(String htmlStr){  
37.         htmlStr = delHTMLTag(htmlStr);  
38.         htmlStr = htmlStr.replaceAll("&nbsp;", "");  
39.         htmlStr = htmlStr.substring(0, htmlStr.indexOf("。")+1);  
40.         return htmlStr;  
41.     }  
42.       
43.     public static void main(String[] args) {  
44.         String str = "<div style='text-align:center;'> 整治“四风”   清弊除垢<br/><span style='font-size:14px;'> </span><span style='font-size:18px;'>公司召开党的群众路线教育实践活动动员大会</span><br/></div>";  
45.         System.out.println(getTextFromHtml(str));  
46.     }  
47. }  

注：\n 回车(\u000a)
\t 水平制表符(\u0009)
\s 空格(\u0008)
\r 换行(\u000d)*/