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  >  IT编程

Java中正则表达式去除html标签

程序员文章站 2024-03-07 21:23:45
java中正则表达式去除html的标签,主要目的更精确的显示内容,比如前一段时间在做类似于博客中发布文章功能,当编辑器中输入内容后会将样式标签也传入后台并且保存数据库,但是...

java中正则表达式去除html的标签,主要目的更精确的显示内容,比如前一段时间在做类似于博客中发布文章功能,当编辑器中输入内容后会将样式标签也传入后台并且保存数据库,但是在显示摘要的时候,比如显示正文的前50字作为摘要,那么这时需要去除所有html标签,然后在截取50字,所以就通过了java正则表达式实现了如下方法,代码如下:

    注:这是java正则表达式去除html标签方法。

private static final string regex_script = "<script[^>]*?>[\\s\\s]*?<\\/script>"; // 定义script的正则表达式
  private static final string regex_style = "<style[^>]*?>[\\s\\s]*?<\\/style>"; // 定义style的正则表达式
  private static final string regex_html = "<[^>]+>"; // 定义html标签的正则表达式
  private static final string regex_space = "\\s*|\t|\r|\n";// 定义空格回车换行符
  private static final string regex_w = "<w[^>]*?>[\\s\\s]*?<\\/w[^>]*?>";//定义所有w标签
/**
   * @param htmlstr
   * @return 删除html标签
   * @author longjin
   */
  public static string delhtmltag(string htmlstr) {
    pattern p_w = pattern.compile(regex_w, pattern.case_insensitive);
    matcher m_w = p_w.matcher(htmlstr);
    htmlstr = m_w.replaceall(""); // 过滤script标签
    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
    pattern p_space = pattern.compile(regex_space, pattern.case_insensitive);
    matcher m_space = p_space.matcher(htmlstr);
    htmlstr = m_space.replaceall(""); // 过滤空格回车标签
    htmlstr = htmlstr.replaceall(" ", ""); //过滤 
    return htmlstr.trim(); // 返回文本字符串
  }

  ps:方法仅供参考,供大家一起互相学习,若有不足或者疑问欢迎评论。