文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

java怎么去掉html标签

2023-10-05 20:29

关注

java去掉html标签的方法:
1、通过纯正则方法去掉html标签;
2、使用“javax.swing.text.html.HTMLEditorKit”去掉html标签;
3、通过使用Jsoup框架去掉html标签等等。

一.纯正则方法

import java.util.regex.Matcher; import java.util.regex.Pattern;  public class HTMLSpirit{     public static String delHTMLTag(String htmlStr){         String regEx_script="]*?>[\\s\\S]*?<\\/script>"; //定义script的正则表达式         String regEx_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     } }

二.使用 javax.swing.text.html.HTMLEditorKit

import java.io.IOException;import java.io.FileReader;import java.io.Reader;import java.util.List;import java.util.ArrayList; import javax.swing.text.html.parser.ParserDelegator;import javax.swing.text.html.HTMLEditorKit.ParserCallback;import javax.swing.text.html.HTML.Tag;import javax.swing.text.MutableAttributeSet; public class HTMLUtils {  private HTMLUtils() {}   public static List<String> extractText(Reader reader) throws IOException {    final ArrayList<String> list = new ArrayList<String>();     ParserDelegator parserDelegator = new ParserDelegator();    ParserCallback parserCallback = new ParserCallback() {      public void handleText(final char[] data, final int pos) {        list.add(new String(data));      }      public void handleStartTag(Tag tag, MutableAttributeSet attribute, int pos) { }      public void handleEndTag(Tag t, final int pos) {  }      public void handleSimpleTag(Tag t, MutableAttributeSet a, final int pos) { }      public void handleComment(final char[] data, final int pos) { }      public void handleError(final java.lang.String errMsg, final int pos) { }    };    parserDelegator.parse(reader, parserCallback, true);    return list;  }   public final static void main(String[] args) throws Exception{    FileReader reader = new FileReader("java-new.html");    List<String> lines = HTMLUtils.extractText(reader);    for (String line : lines) {      System.out.println(line);    }  }}

三.使用Jsoup框架

import java.io.IOException;import java.io.FileReader;import java.io.Reader;import java.io.BufferedReader;import org.jsoup.Jsoup; public class HTMLUtils {  private HTMLUtils() {}   public static String extractText(Reader reader) throws IOException {    StringBuilder sb = new StringBuilder();    BufferedReader br = new BufferedReader(reader);    String line;    while ( (line=br.readLine()) != null) {      sb.append(line);    }    String textOnly = Jsoup.parse(sb.toString()).text();    return textOnly;  }   public final static void main(String[] args) throws Exception{    FileReader reader = new FileReader          ("C:/RealHowTo/topics/java-language.html");    System.out.println(HTMLUtils.extractText(reader));  }

四.使用Apache Tika

mport java.io.FileInputStream;import java.io.InputStream; import org.apache.tika.metadata.Metadata;import org.apache.tika.parser.AutoDetectParser;import org.apache.tika.parser.ParseContext;import org.apache.tika.parser.Parser;import org.apache.tika.sax.BodyContentHandler;import org.xml.sax.ContentHandler; public class ParseHTMLWithTika {  public static void main(String args[]) throws Exception {     InputStream is = null;    try {          is = new FileInputStream("C:/Temp/java-x.html");        WriteOutContentHandler contenthandler = new WriteOutContentHandler(100000000);         Metadata metadata = new Metadata();         Parser parser = new AutoDetectParser();         parser.parse(is, contenthandler, metadata, new ParseContext());         System.out.println(contenthandler.toString());    }    catch (Exception e) {      e.printStackTrace();    }    finally {        if (is != null) is.close();    }  }}

注意这里经过本人实验有个小坑,WriteOutContentHandler参数是限制的字符数,这个如果不设置默认是1万,超过会报异常。

具体的jar包请自行到中央仓库里搜索依赖配置

https://search.maven.org/ 和 https://mvnrepository.com/

工具类

public class ResourceUtil {        public static String resource2String(Class currentClass, String resourcePath) throws IOException {        return IOUtils.toString(new FileReader(new File(currentClass.getResource(resourcePath).getFile())));    } }

来源地址:https://blog.csdn.net/u012417405/article/details/131453041

阅读原文内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     807人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     351人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     314人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     433人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     221人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯