java正则表达式 替换标签内容_使用Java正则表达式替换HTML标签

一、实现目标

实现多个个HTML页的合并预览，需要如下处理

1)去掉meta标签

2)替换input标签，只保留value值(因为是预览，不保留输入框)

3)移除隐藏的input标签，即type="hidden"

4)替换textarea标签，只保留内容

5)移除script标签

二、代码实现

这里主要使用String的replaceAll方法实现标签的替换，当然你可以可以使用正则表达式的分组匹配和替换来完成。//contentString为HTML内容

//替换所有的meta标签，这里只支持单行替换

contentString=contentString.replaceAll("", "");

//移除script标签，支持多行，忽略大小写

contentString=contentString.replaceAll("(?is)(.*?)", "");

//移除所有的type为hidden的input标签

contentString=contentString.replaceAll("(?is)", "");

//替换所有的textarea，只保留值

contentString=contentString.replaceAll("(?is)(.*?)", "$1");

//替换input标签，只保留值

contentString=contentString.replaceAll("(?is)", "$1");

三、几个关键点

上面的替换有以下几个关键点：

1)对于HTML替换需要支持多行和忽略大小写的情况，正则表达式需声明为(?is)。参考上面代码中的示例。

2)因为Html标签的不规范，对于value值存在以下几种情形，value=aaa/> value=aaa> value='aaa' value="aaa"，因此对于value值的判断稍显复杂，参考：，value后可能会多个空格\\s*；=等号以后可能有空格\\s*，value值开始前可能存在",'符号，最后是value结束符可能为：",',空格,/。

3)使用分组替换的话，记得使用()分组，以及后面的替换值使用$1、$2等来指定分组。