欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

java 读取html过滤标签 博客分类: java  

程序员文章站 2024-02-07 13:32:10
...

public static void main(String[] args) {

String str="<p>  qweqwe你好啊。<a>我我我我qweqwe</a></p>";

System.out.println(stripHtml(str).trim());

                System.out.println(delHTMLTag(str).trim());

 

}

 

使用正则表达式删除HTML标签。 

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; 

 

}

  • T.rar (896 Bytes)
  • 下载次数: 0