java去除html标签

<p style="margin-top: 0px; margin-bottom: 0px; padding-top: 0px; padding-bottom: 0px; font-family: Helvetica, Tahoma, Arial, sans-serif; font-size: 14px; line-height: 25.1875px;">利用正则表达式即可，见如下代码：</p><p style="margin-top: 0px; margin-bottom: 0px; padding-top: 0px; padding-bottom: 0px; font-family: Helvetica, Tahoma, Arial, sans-serif; font-size: 14px; line-height: 25.1875px;"> </p>

import java.util.regex.Matcher;   
import java.util.regex.Pattern;   
  
public class HTMLSpirit{   
    public static String delHTMLTag(String htmlStr){   
        String regEx_script="<script[^>]*?>[\\s\\S]*?<\\/script>"; //定义script的正则表达式   
        String regEx_style="<style[^>]*?>[\\s\\S]*?<\\/style>"; //定义style的正则表达式   
        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。<br>  
* 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) {   
// <p>段落替换为换行   
content = content.replaceAll("<p .*?>", "\r\n");   
// <br><br/>替换为换行   
content = content.replaceAll("<br\\s*/?>", "\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