java简单的去HTML标签

最新推荐文章于 2024-01-19 10:06:32 发布

转载最新推荐文章于 2024-01-19 10:06:32 发布 · 1.2k 阅读

文章标签：

#java #正则表达式 #html #标签

JAVA基础专栏收录该内容

9 篇文章

订阅专栏

本文介绍了一个简单的Java方法，用于从HTML字符串中删除所有的HTML标签，包括script和style标签，仅保留纯文本内容。该方法使用正则表达式匹配并移除HTML标签，最后返回处理后的纯文本字符串。

	public String delHTMLTag(String htmlStr){ 
	         String regEx_script="<script[^>]*?>[\\s\\S]*?<\\/script>"; //定义script的正则表达式 
	         String regEx_style="<style[^>]*?>[\\s\\S]*?<\\/style>"; //定义style的正则表达式 
	         String regEx_html="<[^>]+>"; //定义HTML标签的正则表达式 
	         
	         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 

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