zoukankan      html  css  js  c++  java
  • 文本去除html标签

    package com.csf.msnews.common.utils;
    
    import java.util.regex.Matcher;
    import java.util.regex.Pattern;
    
    public class HtmlUtil {
        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|	|
    |
    ";// 定义空格回车换行符
    
        /**
         * @param htmlStr
         * @return 删除Html标签
         */
        public static String delHTMLTag(String htmlStr) {
            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
            return htmlStr.trim(); // 返回文本字符串
        }
    
        public static String getTextFromHtml(String htmlStr) {
            htmlStr = htmlStr.replaceAll("
    
    ", "#&#");
            htmlStr = htmlStr.replaceAll("
    ", "#&#");
            htmlStr = htmlStr.replaceAll("
    ", "#&#");
            htmlStr = htmlStr.replaceAll("
    ", "#&#");
            htmlStr = htmlStr.replaceAll("<br/>", "#&#");
            htmlStr = htmlStr.replaceAll("</p>", "#&#");
            htmlStr = htmlStr.replaceAll("  ", "#&#");
    
            htmlStr = delHTMLTag(htmlStr);
            htmlStr = htmlStr.replaceAll("&nbsp;", "");
    
            int len = htmlStr.length();
            while (true) {
                htmlStr = htmlStr.replaceAll("#&##&#", "#&#");
                if (htmlStr.length() == len) {
                    break;
                } else {
                    len = htmlStr.length();
                }
            }
    
            return htmlStr;
        }
    
        public static void main(String[] args) {
            String str = "<P class=Para>  视觉(中国)文化发展股份有限公司</p><p class=Para> 111</p></p></p><a></p></p></p></p>222 投资者关系活动登记表</p><p class=Para>  无</p><p class=Para>  日 期 2017年03月16日</P>";
            // str = " aaa 
    
    
    
     春节过后";
            System.out.println(str);
            System.out.println(getTextFromHtml(str));
        }
    }
  • 相关阅读:
    JSDOM优化
    Firebug Console 与命令行全集
    input输入框和 pure框架中的 box-sizing 值问题
    模块化网站注意事项
    COOKIE
    鼠标滚动
    拖拽的基本函数(已有限制范围和修复浏览器默认行为以及磁性吸附、碰撞检测、改变层大小、模拟滚动条)
    app_can 的AJax异步,两个解决方案
    基于jQuery的message插件实现右下角弹出消息框
    C#后台讲字符串转化为计算公式
  • 原文地址:https://www.cnblogs.com/xiaolei2017/p/8989012.html
Copyright © 2011-2022 走看看