字符串 去除html标签得到 纯文本内容

• import java.util.regex.Pattern;

•  

• public class removeHTML {

• 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;

•  

• 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

•  

• 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

• htmlStr = htmlStr.replace("  ", "");

• htmlStr = htmlStr.replace("\n", "");

• htmlStr = htmlStr.replace("\t", "");

• textStr = htmlStr.trim();

• textStr = htmlStr;

• }catch(Exception e){

•  

• }

• return textStr;//返回文本字符串

• }

• }