正则篇使用

正则提取图片

public static List<String> extractImageUrls(String html) {
        List<String> imageUrls = new ArrayList<>();
        Pattern pattern = Pattern.compile("<img\\s+[^>]*?src\\s*=\\s*['\"]([^'\"]+?)['\"][^>]*?>", Pattern.CASE_INSENSITIVE);
        Matcher matcher = pattern.matcher(html);

        while (matcher.find()) {
            String imageUrl = matcher.group(1);
            imageUrls.add(imageUrl);
        }

        return imageUrls;
}

标签剔除和替换

String html = "<p>你好，我们是一个团队。</p><p>我们正在学习jsoup。</p><div class=\"TAF\"><p>test</p></div>";
String replaceAll = html.replaceAll("<div class=\"TAF\">(.*?)</div>","<hr>$1</hr>");//替换div指定标签为hr
System.out.println(replaceAll);
replaceAll = html.replaceAll("<div[^>]*>(.*?)</div>","$1");//可以附加标签等<div>$1</div>
System.out.println(replaceAll);
replaceAll = html.replaceAll("<div[^>]*>(.*?)</div>","");//去除div指定标签和所有包裹的内容
System.out.println(replaceAll);
replaceAll = html.replaceAll("<div[^>]*>", "").replaceAll("</div>", "");//只去除div指定标签
System.out.println(replaceAll);
<p>你好，我们是一个团队。</p><p>我们正在学习jsoup。</p><hr><p>test</p></hr>
<p>你好，我们是一个团队。</p><p>我们正在学习jsoup。</p><p>test</p>
<p>你好，我们是一个团队。</p><p>我们正在学习jsoup。</p>
<p>你好，我们是一个团队。</p><p>我们正在学习jsoup。</p><p>test</p>
String html = "<div><span style='color:red;font-size:15px'><cts style='color:red;'>测试</cts>555</span></div>";
html= html.replaceAll("<cts[^>]*>(.*?)</cts>","$1");
System.out.println(html);
<div><span style='color:red;font-size:15px'>测试555</span></div>


replaceAll("[\\r\\n]+", "")去掉换行
replaceAll("[\\r\\n]+| +","")去掉换行和空格
replaceAll("\\s", "")去掉换行空格

String html = "&lt;tps&gt;测试\n     &lt;/tps&gt;";
System.out.println(StringEscapeUtils.escapeHtml(html));
System.out.println(StringEscapeUtils.unescapeHtml(html));