使用RegExp和Java删除一些HTML标记_Java_Html_Regex

使用RegExp和Java删除一些HTML标记

java html regex

使用RegExp和Java删除一些HTML标记,java,html,regex,Java,Html,Regex,我想从字符串中删除HTML标记。这很容易，我知道，我做到了： public String removerTags(String html) { return html.replaceAll("\\<(/?[^\\>]+)\\>", " ").replaceAll("\\s+", " ").trim(); } 公共字符串移除标记（字符串html） { 返回html.replaceAll（“\\]+）\\>”，“”）。repl

我想从字符串中删除HTML标记。这很容易，我知道，我做到了：

public String removerTags(String html)  
    {  
        return html.replaceAll("\\<(/?[^\\>]+)\\>", " ").replaceAll("\\s+", " ").trim();  
    }

公共字符串移除标记（字符串html）
{  
返回html.replaceAll（“\\]+）\\>”，“”）。replaceAll（“\\s+”，“”）。trim（）；
}

问题是我不想删除所有标签。。我想要标签

<span style=\"background-color: yellow\"> (text) </ span>

（文本）

在绳子上保持完整

我正在使用它作为使用GWT搜索web应用程序时的一种“亮点”

我需要这样做，因为如果搜索发现包含一些HTML标记的文本（索引由Lucene完成），并且该文本被破坏，来自SafeThmlBuilder的appendHTML将无法装入字符串

你能以一种相当好的方式做到这一点吗

拥抱。

我强烈建议您使用。正则表达式根本不适合这个任务。对于JSoup来说，它基本上是一个简单、可读且易于维护的单行程序

看看这个方法，也许还有这篇文章：

publicstaticstringfilterthmltags（stringhtml）{
//保存有效标记：
String striped=html.replaceAll（“（？i）\\”，“{{$1}”）；
//删除所有标记：
striped=striped.replaceAll（“\\]+）\\>”，“”）；
//还原有效标记：
striped=striped.replaceAll（“\\{\\{（.+？）\\}\\\}，”）；
返回条纹；
}

public static void main (String[] args) {

    String teste = " <b>test bold chars</b> <BR/> <div>test div</div> \n" +
            " link: <a href=\"test.html\">click here</a> <br />\n" +
            " <script>bad script</script> <notpermitted/>\n";

    System.out.println("teste: \n"+teste);
    System.out.println("\n\n\nstriped: \n"+filterHTMLTags(teste));
}

publicstaticvoidmain（字符串[]args）{
String teste=“test bold chars
test div\n”+
“链接：
\n”+
“错误的脚本\n”；
System.out.println（“teste:\n”+teste）；
System.out.println（“\n\n\n说明：\n”+filtertmltags（teste））；
}