字符串去除html标签得到纯文本内容

最新推荐文章于 2023-11-22 17:04:26 发布

离散小维

最新推荐文章于 2023-11-22 17:04:26 发布

阅读量6.4k

点赞数 1

分类专栏： Java

本文链接：https://blog.csdn.net/weixin_37627441/article/details/79044030

版权

Java 专栏收录该内容

76 篇文章 0 订阅

订阅专栏

import java.util.regex.Pattern;

public class removeHTML {
	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;

	    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

	          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
	  		  htmlStr = htmlStr.replace("  ", "");
	  	      htmlStr = htmlStr.replace("\n", "");
	  		  htmlStr = htmlStr.replace("\t", "");
	  		  textStr = htmlStr.trim();
	          textStr = htmlStr;
	     }catch(Exception e){

	     }
	     return textStr;//返回文本字符串
	 }
}