去除文本中的html代码

最新推荐文章于 2023-11-22 17:04:26 发布

原创最新推荐文章于 2023-11-22 17:04:26 发布 · 4k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#去除文本中的HTML标签

有一些网站中存在不能复制的文本，这种时候就只能用F12开发者工具来复制源代码，源代码中总是存在着html标签，自己很难去掉，所以我写了这个代码，跟大家一起交流

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

public class HTMLSpirit{ 
    public static 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 
    }
    /** 
    * 去掉字符串里面的html代码。<br> 
    * @param content 
    * 内容 
    * @return 去掉后的内容 
    */ 
    public static String stripHtml(String content) { 
    // <p>段落替换为换行 
    content = content.replaceAll("<p .*?>", "\r\n"); 
    // <br><br/>替换为换行 
    content = content.replaceAll("<br\\s*/?>", "\r\n"); 
    // 去掉其它的<>之间的东西 
    content = content.replaceAll("\\<.*?>", ""); 
    // 还原HTML 
    // content = HTMLDecoder.decode(content); 
    return content; 
    }
}

上面这段代码是我参考网上的代码写的，用来去掉文本中的HTML标签，传入的是字符串，然后我又写了一个测试类用io流来读取文件，输出文件

import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.File;
import java.io.FileNotFoundException;
import java.io.FileReader;
import java.io.FileWriter;
import java.io.IOException;
import java.util.Scanner;


public class Test {

	/**
	 * @param args
	 */
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		 try {  
	            File file = new File("E:\\text.txt");  
	            // 读取文件，并且以utf-8的形式写出去  
	            BufferedReader bufread;  
	            String read;  
	            bufread = new BufferedReader(new FileReader(file));  
	            while ((read = bufread.readLine()) != null) {  
	                System.out.println(read);
	            	HTMLSpirit html = new HTMLSpirit();
	        		//换行
	        		read=html.delHTMLTag(read);
	        		//去html标签
	        		read=html.stripHtml(read);
	        		 //创建一个FileWriter对象
	        			FileWriter fw = new FileWriter("D:\\1.txt",true);
	        			BufferedWriter bufw=new BufferedWriter(fw);
	        			//调用write的方法将字符串写到流中  
	        			bufw.write(read);  
	        			bufw.flush();    
	        			bufw.close();  
	        			fw.close();
	        	        System.out.println("输出完毕！输出路径为：D:\\1.txt");
	            }  
	            bufread.close();  
	        } catch (FileNotFoundException ex) {  
	            ex.printStackTrace();  
	        } catch (IOException ex) {  
	            ex.printStackTrace();  
	        }  
	    }  
  
}

这段代码读取的是E盘下test.txt文件，输出到D盘1.txt文件，这些都可以更换！