java使用正则表达式去除字符串的html标签

摘自网上： http://www.javaeye.com/topic/217508
新闻内容或者博客文章，如果显示摘要，需要去除内容的html格式标签，找到一个正则表达式，实现了：
/**
* 删除input字符串中的html格式
*
* @param input
* @param length
* @return
*/
public static String splitAndFilterString(String input, int length) {
if (input == null || input.trim().equals("")) {
return "";
}
// 去掉所有html元素,
String str = input.replaceAll(" \\&[a-zA-Z]{1,10 };", "").replaceAll(
"<[^>]*>", "");
str = str.replaceAll("[(/>)<]", "");
int len = str.length();
if (len <= length) {
return str;
} else {
str = str.substring(0, length);
str += "......";
}
return str;
}


\\&[a-zA-Z]{1,10}; 什么作用啊？

\\& &字符
[a-zA-Z]{1,10} 任意字母(包含大小写)组成的字串,长度为1到10
匹配例如：&lt; &gt; &nbsp; 之类的字串
方法明显太过暴力，假如我的内容用<1><2><3>这样的形式来作为步骤的标示，那不是一样被删。
男人要绅士要优雅。
// 去掉所有html元素,  
String str = input.replaceAll("<[a-zA-Z]+[1-9]?[^><]*>", "")
.replaceAll("</[a-zA-Z]+[1-9]?>", "");
为了您的安全，请只打开来源可靠的网址 打开网站     取消
来自: http://hi.baidu.com/lifa868/blog/item/2016cc177ec8414021a4e987.html ==============================================================================================
提供一个JAVA过滤HTML代码和截取字符串的类（包括测试用例）

1. package com.sunnish.util;  
2.   
3. import java.util.regex.Pattern;  
4.   
5. public class FunctionUtil {  
6.     public static void main(String[] args)  
7.      {  
8.          String str="<p><font size=\"2\"><span style="\" mce_style="\""font-size: 10.5pt\">依据绩效管理体系的规定，公司决定于</span><span style="\" mce_style="\""font-size: 10.5pt\">2008</span><span style="\" mce_style="\""font-size: 10.5pt\">年</span><span style="\" mce_style="\""font-size: 10.5pt\">12</span><span style="\" mce_style="\""font-size: 10.5pt\">月</span><span style="\" mce_style="\""font-size: 10.5pt\">22</span><span style="\" mce_style="\""font-size: 10.5pt\">日</span><span style="\" mce_style="\""font-size: 10.5pt\">-2009</span><span style="\" mce_style="\""font-size: 10.5pt\">年</span><span style="\" mce_style="\""font-size: 10.5pt\">1</span><span style="\" mce_style="\""font-size: 10.5pt\">月</span><span style="\" mce_style="\""font-size: 10.5pt\"> 23& </span><span style="\" mce_style="\""font-size: 10.5pt\">日期间进行</span><span style="\" mce_style="\""font-size: 10.5pt\">2008</span><span style="\" mce_style="\""font-size: 10.5pt\">年年度绩效考评工作，具体事项如下：</span></font></p>";  
9.          String str_text=Html2Text(str);  
10.          System.out.println(str_text);  
11.          String slice=abbreviate(str_text,60,"...");  
12.          System.out.println(slice);  
13.      }  
14.     /**
15.       * @param str:
16.       *             source string
17.       * @param width:
18.       *             string's byte width
19.       * @param ellipsis:
20.       *             a string added to abbreviate string bottom
21.       * @return String Object
22.       * @deprecated 这个函数是用来对输入的字符串进行截取的功能
23.       */  
24.     public static String abbreviate(String str, int width, String ellipsis) {  
25.         if (str == null || "".equals(str)) {  
26.             return "";  
27.          }  
28.   
29.         int d = 0; // byte length  
30.         int n = 0; // char length  
31.         for (; n < str.length(); n++) {  
32.              d = (int) str.charAt(n) > 256 ? d + 2 : d + 1;  
33.             if (d > width) {  
34.                 break;  
35.              }  
36.          }  
37.   
38.         if (d > width) {  
39.              n = n - ellipsis.length() / 2;  
40.             return str.substring(0, n > 0 ? n : 0) + ellipsis;  
41.          }  
42.   
43.         return str = str.substring(0, n);  
44.      }  
45.     /**
46.       * @param str:
47.       *             source string
48.       * @param width:
49.       *             string's byte width
50.       * @param ellipsis:
51.       *             a string added to abbreviate string bottom
52.       * @return String Object
53.       * @deprecated 这个函数是用来对输入字符的HTML代码进行过滤
54.       */  
55.     public static String Html2Text(String inputString) {   
56.            String htmlStr = inputString; //含html标签的字符串   
57.            String textStr ="";   
58.            java.util.regex.Pattern p_script;   
59.            java.util.regex.Matcher m_script;   
60.            java.util.regex.Pattern p_style;   
61.            java.util.regex.Matcher m_style;   
62.            java.util.regex.Pattern p_html;   
63.            java.util.regex.Matcher m_html;   
64.             
65.            java.util.regex.Pattern p_html1;   
66.            java.util.regex.Matcher m_html1;   
67.          
68.           try {   
69.             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> }   
70.             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> }   
71.                String regEx_html = "<[^>]+>"; //定义HTML标签的正则表达式   
72.                String regEx_html1 = "<[^>]+";   
73.                p_script = Pattern.compile(regEx_script,Pattern.CASE_INSENSITIVE);   
74.                m_script = p_script.matcher(htmlStr);   
75.                htmlStr = m_script.replaceAll(""); //过滤script标签   
76.   
77.                p_style = Pattern.compile(regEx_style,Pattern.CASE_INSENSITIVE);   
78.                m_style = p_style.matcher(htmlStr);   
79.                htmlStr = m_style.replaceAll(""); //过滤style标签   
80.             
81.                p_html = Pattern.compile(regEx_html,Pattern.CASE_INSENSITIVE);   
82.                m_html = p_html.matcher(htmlStr);   
83.                htmlStr = m_html.replaceAll(""); //过滤html标签   
84.                 
85.                p_html1 = Pattern.compile(regEx_html1,Pattern.CASE_INSENSITIVE);   
86.                m_html1 = p_html1.matcher(htmlStr);   
87.                htmlStr = m_html1.replaceAll(""); //过滤html标签   
88.             
89.                 
90.             textStr = htmlStr;   
91.             
92.            }catch(Exception e) {   
93.                     System.err.println("Html2Text: " + e.getMessage());   
94.            }   
95.          
96.           return textStr;//返回文本字符串   
97.             }   
98. }

http://hi.baidu.com/%CE%D2%BA%DC%B0%AE%D5%C5%B2%AE%C2%D7/blog/item/9d17acd7bd07812206088b47.html =============================================================================================
java 正则表达式 过滤html标签

import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
* <p>
* Title: HTML相关的正则表达式工具类
* </p>
* <p>
* Description: 包括过滤HTML标记，转换HTML标记，替换特定HTML标记
* </p>
* <p>
* Copyright: Copyright (c) 2006
* </p>
*
* @author hejian
* @version 1.0
* @createtime 2006-10-16
*/
public class HtmlRegexpUtil {
private final static String regxpForHtml = "<([^>]*)>"; // 过滤所有以<开头以>结尾的标签
private final static String regxpForImgTag = "<[url=file://s*img//s+([%5E%3E]*)//s]\\s*img\\s+([^>]*)\\s[/url]*>"; // 找出IMG标签
private final static String regxpForImaTagSrcAttrib = "src=\"([^\"]+)\""; // 找出IMG标签的SRC属性
/**
*
*/
public HtmlRegexpUtil() {
   // TODO Auto-generated constructor stub
}
/**
*
* 基本功能：替换标记以正常显示
* <p>
*
* @param input
* @return String
*/
public String replaceTag(String input) {
   if (!hasSpecialChars(input)) {
    return input;
   }
   StringBuffer filtered = new StringBuffer(input.length());
   char c;
   for (int i = 0; i <= input.length() - 1; i++) {
    c = input.charAt(i);
    switch (c) {
    case '<':
     filtered.append("&lt;");
     break;
    case '>':
     filtered.append("&gt;");
     break;
    case '"':
     filtered.append("&quot;");
     break;
    case '&':
     filtered.append("&amp;");
     break;
    default:
     filtered.append(c);
    }
   }
   return (filtered.toString());
}
/**
*
* 基本功能：判断标记是否存在
* <p>
*
* @param input
* @return boolean
*/
public boolean hasSpecialChars(String input) {
   boolean flag = false;
   if ((input != null) && (input.length() > 0)) {
    char c;
    for (int i = 0; i <= input.length() - 1; i++) {
     c = input.charAt(i);
     switch (c) {
     case '>':
      flag = true;
      break;
     case '<':
      flag = true;
      break;
     case '"':
      flag = true;
      break;
     case '&':
      flag = true;
      break;
     }
    }
   }
   return flag;
}
/**
*
* 基本功能：过滤所有以"<"开头以">"结尾的标签
* <p>
*
* @param str
* @return String
*/
public static String filterHtml(String str) {
   Pattern pattern = Pattern.compile(regxpForHtml);
   Matcher matcher = pattern.matcher(str);
   StringBuffer sb = new StringBuffer();
   boolean result1 = matcher.find();
   while (result1) {
    matcher.appendReplacement(sb, "");
    result1 = matcher.find();
   }
   matcher.appendTail(sb);
   return sb.toString();
}
/**
*
* 基本功能：过滤指定标签
* <p>
*
* @param str
* @param tag
*            指定标签
* @return String
*/
public static String fiterHtmlTag(String str, String tag) {
   String regxp = "<[url=file://s/]\\s[/url]*" + tag + "[url=file://s+([%5e%3e]*)//s]\\s+([^>]*)\\s[/url]*>";
   Pattern pattern = Pattern.compile(regxp);
   Matcher matcher = pattern.matcher(str);
   StringBuffer sb = new StringBuffer();
   boolean result1 = matcher.find();
   while (result1) {
    matcher.appendReplacement(sb, "");
    result1 = matcher.find();
   }
   matcher.appendTail(sb);
   return sb.toString();
}
/**
*
* 基本功能：替换指定的标签
* <p>
*
* @param str
* @param beforeTag
*            要替换的标签
* @param tagAttrib
*            要替换的标签属性值
* @param startTag
*            新标签开始标记
* @param endTag
*            新标签结束标记
* @return String
* @如：替换img标签的src属性值为[img]属性值[/img]
*/
public static String replaceHtmlTag(String str, String beforeTag,
    String tagAttrib, String startTag, String endTag) {
   String regxpForTag = "<[url=file://s/]\\s[/url]*" + beforeTag + "[url=file://s+([%5e%3e]*)//s]\\s+([^>]*)\\s[/url]*>";
   String regxpForTagAttrib = tagAttrib + "=\"([^\"]+)\"";
   Pattern patternForTag = Pattern.compile(regxpForTag);
   Pattern patternForAttrib = Pattern.compile(regxpForTagAttrib);
   Matcher matcherForTag = patternForTag.matcher(str);
   StringBuffer sb = new StringBuffer();
   boolean result = matcherForTag.find();
   while (result) {
    StringBuffer sbreplace = new StringBuffer();
    Matcher matcherForAttrib = patternForAttrib.matcher(matcherForTag
      .group(1));
    if (matcherForAttrib.find()) {
     matcherForAttrib.appendReplacement(sbreplace, startTag
       + matcherForAttrib.group(1) + endTag);
    }
    matcherForTag.appendReplacement(sb, sbreplace.toString());
    result = matcherForTag.find();
   }
   matcherForTag.appendTail(sb);
   return sb.toString();
}