java去除以张开头的人名_java正则表达式去除html中所有的标签和特殊HTML字符（以&开头的）...

说下需求，当用一些网页文本编辑器提交一些字符的时候，会带有一些用于控制格式的HTML标记，我们的需求是取出所有标记中的文字

当然也可以用于取出所抓取的网页中的文字内容！

代码很容易看懂！

[code lang=”java”]

package com.comcons.utils;

import java.io.BufferedReader;

import java.io.FileNotFoundException;

import java.io.FileReader;

import java.io.IOException;

import java.util.regex.Pattern;

public class ReduceHtml2Text {

/**

* 删除Html标签

* @param inputString

* @return

*/

public static String removeHtmlTag(String inputString) {

if (inputString == null)

return null;

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_special;

java.util.regex.Matcher m_special;

try {

//定义script的正则表达式{或

String regEx_script = "<[\\s]*?script[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?script[\\s]*?>";

//定义style的正则表达式{或

String regEx_style = "<[\\s]*?style[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?style[\\s]*?>";

// 定义HTML标签的正则表达式

String regEx_html = "<[^>]+>";

// 定义一些特殊字符的正则表达式 如：     

String regEx_special = "\\&[a-zA-Z]{1,10};";

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_special = Pattern.compile(regEx_special, Pattern.CASE_INSENSITIVE);

m_special = p_special.matcher(htmlStr);

htmlStr = m_special.replaceAll(""); // 过滤特殊标签

textStr = htmlStr;

} catch (Exception e) {

e.printStackTrace();

}

return textStr;// 返回文本字符串

}

/**

* 测试用的main函数

* @param args

*/

public static void main(String[] args) {

StringBuffer sb = new StringBuffer();

try {

FileReader fr = new FileReader("D:/test.html");

BufferedReader br = new BufferedReader(fr);

String s = "";

while((s = br.readLine())!=null){

sb.append(s);

}

} catch (FileNotFoundException e) {

// TODO Auto-generated catch block

e.printStackTrace();

} catch (IOException e) {

// TODO Auto-generated catch block

e.printStackTrace();

}

String ssss = ReduceHtml2Text.removeHtmlTag(sb.toString());

System.out.println(ssss);

}

}

[/code]