java过滤html标签获取纯文本信息的实例

如下所示： ? 1 2 3 4 5 6 7 8 9 2023-12-19 0 Comments

如下所示：

package com.lyt.base.util;

import java.util.regex.Pattern;

public class FilterHtmlUtil {

public static String Html2Text(String inputString){

String htmlStr = inputString; //含html标签的字符串

String textStr ="";

java.util.regex.Pattern p_script;

java.util.regex.Matcher m_script;

java.util.regex.Pattern p_style;

java.util.regex.Matcher m_style;

java.util.regex.Pattern p_html;

java.util.regex.Matcher m_html;

try{

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> }

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> }

String regEx_html = "<[^>]+>"; //定义HTML标签的正则表达式

p_script = Pattern.compile(regEx_script,Pattern.CASE_INSENSITIVE);

m_script = p_script.matcher(htmlStr);

htmlStr = m_script.replaceAll(""); //过滤script标签

p_style = Pattern.compile(regEx_style,Pattern.CASE_INSENSITIVE);

m_style = p_style.matcher(htmlStr);

htmlStr = m_style.replaceAll(""); //过滤style标签

p_html = Pattern.compile(regEx_html,Pattern.CASE_INSENSITIVE);

m_html = p_html.matcher(htmlStr);

htmlStr = m_html.replaceAll(""); //过滤html标签

textStr = htmlStr;

}catch(Exception e){

e.printStackTrace();

}

return textStr;//返回文本字符串

}

以上这篇java过滤html标签获取纯文本信息的实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。

擅长工具开发、爬虫采集技术、大数据统计处理！
座右铭：皇天不负有心人。