java去除标签_java去除html标签

利用正则表达式即可，见如下代码：

import java.util.regex.Matcher;

import java.util.regex.Pattern;

public class HTMLSpirit{

public static String delHTMLTag(String htmlStr){

String regEx_script="

String regEx_style="

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

Pattern p_script=Pattern.compile(regEx_script,Pattern.CASE_INSENSITIVE);

Matcher m_script=p_script.matcher(htmlStr);

htmlStr=m_script.replaceAll(""); //过滤script标签

Pattern p_style=Pattern.compile(regEx_style,Pattern.CASE_INSENSITIVE);

Matcher m_style=p_style.matcher(htmlStr);

htmlStr=m_style.replaceAll(""); //过滤style标签

Pattern p_html=Pattern.compile(regEx_html,Pattern.CASE_INSENSITIVE);

Matcher m_html=p_html.matcher(htmlStr);

htmlStr=m_html.replaceAll(""); //过滤html标签

return htmlStr.trim(); //返回文本字符串

}

}

Java中去掉网页HTML标记的方法

Java里面去掉网页里的HTML标记的方法：

/**

* 去掉字符串里面的html代码。

* 要求数据要规范，比如大于小于号要配套,否则会被集体误杀。

*

* @param content

* 内容

* @return 去掉后的内容

*/

public static String stripHtml(String content) {

//

段落替换为换行

content = content.replaceAll("

", "\r\n");

//

替换为换行

content = content.replaceAll("
", "\r\n");

// 去掉其它的<>之间的东西

content = content.replaceAll("\\<.*?>", "");

// 还原HTML

// content = HTMLDecoder.decode(content);

return content;

}

参考URL：http://xiejincheng.blog.51cto.com/2307724/722731