Java 去掉字符串中的html标签

JAVA代码搬运工

于 2022-05-05 08:43:08 发布

阅读量1.5k

点赞数

分类专栏： Java工具类文章标签： java

本文链接：https://blog.csdn.net/qq_41273137/article/details/124581602

版权

Java工具类专栏收录该内容

13 篇文章 0 订阅

订阅专栏

public static String takeOutHtmlTab(String htmlStr) {
// 定义script的正则表达式，去除js可以防止注入
String scriptRegex = "<script[^>]*?>[\\s\\S]*?<\\/script>";
// 定义style的正则表达式，去除style样式，防止css代码过多时只截取到css样式代码
String styleRegex = "<style[^>]*?>[\\s\\S]*?<\\/style>";
// 定义HTML标签的正则表达式，去除标签，只提取文字内容
String htmlRegex = "<[^>]+>";
// 定义空格,回车,换行符,制表符
String spaceRegex = "\\s*|\t|\r|\n";
// 过滤script标签
htmlStr = htmlStr.replaceAll(scriptRegex, "");
// 过滤style标签
htmlStr = htmlStr.replaceAll(styleRegex, "");
// 过滤html标签
htmlStr = htmlStr.replaceAll(htmlRegex, "");
// 过滤空格等
htmlStr = htmlStr.replaceAll(spaceRegex, "");
// 过滤 
htmlStr = htmlStr.replace(" ", "");
// 过滤&nbsp
htmlStr = htmlStr.replace("&nbsp", "");
// 返回文本字符串
htmlStr = htmlStr.trim();
// 去除空格" "
htmlStr = htmlStr.replaceAll(" ", "");
return htmlStr;
}