对html文本去除标签（超文本去除标签部分）

朴灿烈づ我的快乐病毒、 2022-06-13 03:50 292阅读 0赞

在正在做的项目中，有个地方需要展示超文本的一部分内容，这样对内容进行剪切的时候容易出现问题。比如

内容

剪切成了

内容< 这样显示的数据就不是我们想要的结果了。  
下面是在网上收录的一个工具类，加之改造自己使用、

package com.yssoft.fs.publicService.utils;
    import java.util.regex.Matcher;  
    import java.util.regex.Pattern;  
    
    public class HtmlToText { 
    
         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 = "<a>\\s*|\t|\r|\n</a>";                       /* 定义空格回车换行符 */  
            private static final String regEx_span = "/<span[^>]*>([^<]*)<\\/span>/ig";                       /* span*/  
            private static final String regEx_strong = "<strong.*?>(((?!<\\/strong>).)*)<\\/strong>";                       /* strong*/  
    
    
            public static String delHTMLTag( String htmlStr )  
            {  
        /* 去掉script标签 */  
                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 */  
        /* 去掉style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 */  
        /* 去掉html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 */  
         /* 去掉span标签 */  
                Pattern span_html  = Pattern.compile( regEx_span, Pattern.CASE_INSENSITIVE );  
                Matcher span  = span_html.matcher( htmlStr );  
                htmlStr = span.replaceAll( "" );      /* 过滤html标签 */  
                /* 去掉regEx_strong标签 */  
                Pattern strong_html  = Pattern.compile( regEx_strong, Pattern.CASE_INSENSITIVE );  
                Matcher strong  = strong_html.matcher( htmlStr );  
                htmlStr = strong.replaceAll( "" );      /* 过滤html标签 */  
        /* 去掉空格 */  
                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 */  
        /* 去掉<p>标签<br></br>标签和<>之间内容 */  
                htmlStr.replaceAll( "<p .*?>", "\r\n" );  
                htmlStr.replaceAll( "<br\\s*/?>", "\r\n" );  
                htmlStr.replaceAll( "\\<.*?>", "" );  
                return(htmlStr.trim() );                /* 返回文本字符串 */  
            }  
    
    
            public static String getTextFromHtml( String htmlStr )  
            {  
                htmlStr = delHTMLTag( htmlStr );  
                htmlStr = htmlStr.replaceAll( " ", "" );  
                htmlStr = htmlStr.substring( 0, htmlStr.indexOf( "。" ) + 1 );  
                return(htmlStr);  
            }  
    
    
    }

使用的时候调用getTextFromHtml方法 并将需要转换的内容传入方法中，就能得到转换后的内容