【转】java使用正则表达式去除字符串的html标签

 http://www.javaeye.com/topic/217508

新闻内容或者博客文章，如果显示摘要，需要去除内容的html格式标签，找到一个正则表达式，实现了：

/**
     * 删除input字符串中的html格式
     * 
     * @param input
     * @param length
     * @return
     */
    public static String splitAndFilterString(String input, int length) {
        if (input == null || input.trim().equals("")) {
            return "";
        }
        // 去掉所有html元素,
        String str = input.replaceAll("\\&[a-zA-Z]{1,10};", "").replaceAll(
                "<[^>]*>", "");
        str = str.replaceAll("[(/>)<]", "");
        int len = str.length();
        if (len <= length) {
            return str;
        } else {
            str = str.substring(0, length);
            str += "......";
        }
        return str;
    }

其中：

\\&代表 &字符 ，而[a-zA-Z]{1,10} 代表任意字母(包含大小写)组成的字串,长度为1到10 ，这样的表达式用来匹配例如：< >   之类的字串 。

原帖的另一回帖：

方法明显太过暴力，假如我的内容用<1><2><3>这样的形式来作为步骤的标示，那不是一样被删。

// 去掉所有html元 素,     
String str = input.replaceAll("<[a-zA-Z]+[1-9]?[^><]*>", "")  
                  .replaceAll("</[a-zA-Z]+[1-9]?>", "");