正则表达式过滤html元素

最新推荐文章于 2022-06-14 16:13:10 发布

Hill_wangqiang

最新推荐文章于 2022-06-14 16:13:10 发布

阅读量793

点赞数

分类专栏： java

本文链接：https://blog.csdn.net/superMe_1994/article/details/79750451

版权

java 专栏收录该内容

15 篇文章 0 订阅

订阅专栏

	public String html2text(String str) {
        String htmlStr = str;  
        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;  
        java.util.regex.Pattern p_html1;  
        java.util.regex.Matcher m_html1;  


        try {  
        	// 定义script的正则表达式{或<script[^>]*?>[\\s\\S]*?<\\/script>
            String regEx_script = "<[\\s]*?script[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?script[\\s]*?>";   
            // 定义style的正则表达式{或<style[^>]*?>[\\s\\S]*?<\\/style>  
            String regEx_style = "<[\\s]*?style[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?style[\\s]*?>"; 
            // 定义HTML标签的正则表达式
            String regEx_html = "<[^>]+>";   
            String regEx_html1 = "<[^>]+";  
            // 过滤script标签  
            p_script = Pattern.compile(regEx_script,  
                    Pattern.CASE_INSENSITIVE);  
            m_script = p_script.matcher(htmlStr);  
            htmlStr = m_script.replaceAll(""); 
            // 过滤style标签 
            p_style = Pattern  
                    .compile(regEx_style, Pattern.CASE_INSENSITIVE);  
            m_style = p_style.matcher(htmlStr);  
            htmlStr = m_style.replaceAll("");  
            // 过滤html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  
            p_html1 = Pattern  
                    .compile(regEx_html1, Pattern.CASE_INSENSITIVE);  
            m_html1 = p_html1.matcher(htmlStr);  
            htmlStr = m_html1.replaceAll("");


            textStr = htmlStr;  
            
        } catch (Exception e) {  
            System.err.println("Html2Text: " + e.getMessage());  
        }  


        return textStr.replaceAll(" ", " ").replaceAll("来自钉钉", "");
    }