Java过滤html标签

package com.cfstc.util;
import java.util.regex.Pattern;
/**
* 过滤HTML标签
* @author simple.liuyu
*/
public class HtmlFilterUtil {
public static void main(String[] args) {
String str = "<p style='margin-left: 15.75pt;'><strong>1、             </strong><strong>介绍</strong></p><ol><li value='NaN'><strong>1</strong><strong>为什么要有代码惯例</strong></li></ol><p>代码惯例之所以重要有以下几点原因：</p><p>软件寿命价值的80%是维护。</p><p>几乎没有软件在整个使用过程中都有由原作者维护。</p><p>代码惯例增加了软件包的可读性，使工程师们能更快、更完整地理解新软件。</p><p>  如果你想把你的原始代码变成产品，你需要确认它是否和你生产的其它产品一样有好的包装。</p> <ol>  <li value='NaN'><strong>2</strong><strong>确认</strong></li></ol><p>这个文件在SUN 公司的JAVA语言说明书中反映了JAVA语言编码标准。这方面规定主要来自Peter King,Patrick Naughton,Jonni Kanerva,and Scott Hommel.</p><p>关于这个文档的改写、修改或再分配的问题，请看版权公告。</p><p>对于这个文档的建议请发贴自<a href='mailto:alans@eng.sun.com'>alans@eng.sun.com</a></p>";
String str_text = Html2Text(str);
System.out.println(str_text);
String slice = abbreviate(str_text, 100, "...");
System.out.println(slice);
}
/**
* @param str :
*            source string
* @param width :
*            string's byte width
* @param ellipsis :
*            a string added to abbreviate string bottom
* @return String Object
* 
*/
public static String abbreviate(String str, int width, String ellipsis) {
if (str == null || "".equals(str)) {
return "";
}
int d = 0; // byte length
int n = 0; // char length
for (; n < str.length(); n++) {
d = (int) str.charAt(n) > 256 ? d + 2 : d + 1;
if (d > width) {
break;
}
}
if (d > width) {
n = n - ellipsis.length() / 2;
return str.substring(0, n > 0 ? n : 0) + ellipsis;
}
return str = str.substring(0, n);
}
/**
* @param str :
*            source string
* @param width :
*            string's byte width
* @param ellipsis :
*            a string added to abbreviate string bottom
* @return String Object
* 
*/
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;
java.util.regex.Pattern p_html1;
java.util.regex.Matcher m_html1;
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
String regEx_html1 = "<[^>]+";
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
p_html1 = Pattern.compile(regEx_html1, Pattern.CASE_INSENSITIVE);
m_html1 = p_html1.matcher(htmlStr);
htmlStr = m_html1.replaceAll(""); // 过滤html标签
textStr = htmlStr;
} catch (Exception e) {
System.err.println("Html2Text: " + e.getMessage());
}
return textStr;// 返回文本字符串
}
}