Java 過濾html標簽代碼

em7 10年前發布 | 4K 次閱讀 Java 

import java.util.regex.Matcher;

import java.util.regex.Pattern;


public class HtmlScript{

    public static String delHTMLTag(String htmlStr){

        String regEx_script="<script[^>]?>[\s\S]?<\/script>"; //定義script的正則表達式

        String regEx_style="<style[^>]?>[\s\S]?<\/style>"; //定義style的正則表達式

        String regEx_html="<[^>]+>"; //定義HTML標簽的正則表達式



    Pattern p_script=Pattern.compile(regEx_script,Pattern.CASE_INSENSITIVE);  
    Matcher m_script=p_script.matcher(htmlStr);  
    htmlStr=m_script.replaceAll(""); //過濾script標簽  

    Pattern p_style=Pattern.compile(regEx_style,Pattern.CASE_INSENSITIVE);  
    Matcher m_style=p_style.matcher(htmlStr);  
    htmlStr=m_style.replaceAll(""); //過濾style標簽  

    Pattern p_html=Pattern.compile(regEx_html,Pattern.CASE_INSENSITIVE);  
    Matcher m_html=p_html.matcher(htmlStr);  
    htmlStr=m_html.replaceAll(""); //過濾html標簽  

   return htmlStr.trim(); //返回文本字符串  
}   

/** 
*去掉字符串里面的html代碼。<br> 
*要求數據要規范，比如大于小于號要配套,否則會被集體誤殺。 
*　 
*@paramcontent 
*　　　　　內容 
*@return去掉后的內容 
*/  



public static String stripHtml(String content){

    //<p>段落替換為換行

    content=content.replaceAll("<p.?>","");

    //<br><br/>替換為換行 　

    content=content.replaceAll("<brs/?>","");

    //去掉其它的<>之間的東西

    content=content.replaceAll("<.*?>","");

    //還原HTML//content=HTMLDecoder.decode(content);

    return content;

    }


public static String replaceHtml(String html){

    String regEx="<.+?>"; //表示標簽

    Pattern p=Pattern.compile(regEx);

    Matcher m=p.matcher(html);

    String s=m.replaceAll("");

    return s;

}



//public static void main(String[] args) {  



//      String s = "<!DOCTYPE html PUBLIC ''-//WAPFORUM//DTD XHTML Mobile 1.0//EN'' '' xmlns='' http-equiv=''Content-Type'' content=''text/html; charset=utf-8'' /><meta id=''viewport'' name=''viewport'' content=''width=320,initial-scale=1,maximum-scale=1,user-scalable=0;'' /><title>概述-白塞病診斷和治療指南</title><link href=''Pub/css/layout.css'' rel=''stylesheet'' type=''text/css'' /><link href=''Pub/css/public.css'' rel=''stylesheet'' type=''text/css'' /><script type=''text/javascript'' src=''Pub/js/jquery-1.6.1.min.js''></script><script type=''text/javascript'' src=''Pub/js/base.js''></script></head><body><div id=''Layout''><div class=''titleBar''><h1 id= ''1''>1. 概述</h1></div><div class=''mainContainer''><p>白塞病(Behcet's disease，BD)又稱貝赫切特病、口-眼-生殖器三聯征等。 </p></div></div></body></html>";

//      delHTMLTag(s);

    //System.out.println(delHTMLTag(s));

    //}


}  </pre>
 本文由用戶 em7 自行上傳分享，僅供網友學習交流。所有權歸原作者，若您的權利被侵害，請聯系管理員。
 轉載本站原創文章，請注明出處，并保留原始鏈接、圖片水印。
 本站是一個以用戶分享為主的開源技術平臺，歡迎各類分享！