java html2text_Html2Text

标签：

public static String Html2Text(String inputString) {

// 过滤HTML标签

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_cont1;

java.util.regex.Matcher m_cont1;

java.util.regex.Pattern p_cont2;

java.util.regex.Matcher m_cont2;

try {

String regEx_script = "]*?>[\\s\\S]*?";// 定义script的正则表达式{或

String regEx_style = "<[\\s]*?style[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?style[\\s]*?>";// 定义style的正则表达式{或

String regEx_html = "<[^>]+>"; // 定义html标签的正则表达式

String regEx_cont1 = "[\\d+\\s*`~!@#$%^&*\\(?~！@#￥%……&*()——+|{}【】‘：”“’_]";// 定义HTML标签的正则表达式

String regEx_cont2 = "[\\w[^\\W]*]";// 定义HTML标签的正则表达式[a-zA-Z]

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_cont1 = Pattern.compile(regEx_cont1, Pattern.CASE_INSENSITIVE);

m_cont1 = p_cont1.matcher(htmlStr);

htmlStr = m_cont1.replaceAll("");// 过滤其它标签

p_cont2 = Pattern.compile(regEx_cont2, Pattern.CASE_INSENSITIVE);

m_cont2 = p_cont2.matcher(htmlStr);

htmlStr = m_cont2.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

}

标签：

原文地址：http://www.cnblogs.com/bxczp/p/5722329.html