Java 如何删除字符串中的html标记？

当我搜索关键字“数据””时，我得到了数字图书馆中的一篇论文：

Many organizations often underutilize their existing <span class='snippet'>data</span> warehouses. In this paper, we suggest a way of acquiring more information from corporate <span class='snippet'>data</span> warehouses without the complications and drawbacks of deploying additional software systems. Association-rule mining, which captures co-occurrence patterns within <span class='snippet'>data</span>, has attracted considerable efforts from <span class='snippet'>data</span> warehousing researchers and practitioners alike. Unfortunately, most <span class='snippet'>data</span> mining tools are loosely coupled, at best, with the <span class='snippet'>data</span> warehouse repository. Furthermore, these tools can often find association rules only within the main fact table of the <span class='snippet'>data</span> warehouse (thus ignoring the information-rich dimensions of the star schema) and are not easily applied on non-transaction level <span class='snippet'>data</span> often found in <span class='snippet'>data</span> warehouses

许多组织经常未充分利用其现有的数据仓库。在本文中，我们提出了一种从公司数据仓库中获取更多信息的方法，而不需要部署其他软件系统的复杂性和缺点。关联规则挖掘捕获数据中的共生模式，吸引了数据仓库研究人员和从业者的大量努力。不幸的是，大多数数据挖掘工具最多与数据仓库存储库松散耦合。此外，这些工具通常只能在数据仓库的主事实表中找到关联规则（因此忽略了星型模式中信息丰富的维度），并且不容易应用于数据仓库中常见的非事务级数据

如何删除所有标记

。

，但仍保留keywod数据，以使其具有类似这样的轨迹：

许多组织经常未充分利用其现有的数据仓库。在本文中，我们提出了一种从公司数据仓库中获取更多信息的方法，而不需要部署其他软件系统的复杂性和缺点。关联规则挖掘捕获数据中的共生模式，吸引了数据仓库研究人员和从业者的大量努力。不幸的是，大多数数据挖掘工具最多与数据仓库存储库松散耦合。此外，这些工具通常只能在数据仓库的主事实表中找到关联规则（因此忽略了星型模式中信息丰富的维度），并且不容易应用于数据仓库中常见的非事务级数据

公共静态字符串条带\u标记（字符串文本、字符串允许标记）{
String[]tag_list=allowedTags.split（“，”）；
数组。排序（标记列表）；
最终模式p=Pattern.compile（“]*）\\\\s*[^>]*>”，
模式（不区分大小写）；
匹配器m=p.Matcher（文本）；
StringBuffer out=新的StringBuffer（）；
int-lastPos=0；
while（m.find（））{
字符串标记=m.group（1）；
//如果不允许标记：跳过它
if（Arrays.binarySearch（标记列表，标记）<0）{
out.append（text.substring（lastPos，m.start（））.append（“”）；
}否则{
out.append（text.substring（lastPos，m.end（））；
}
lastPos=m.end（）；
}
如果（lastPos>0）{
out.append（text.substring（lastPos））；
return out.toString（）.trim（）；
}否则{
返回文本；
}
}

是否总是

？您可以使用简单的字符串替换或正则表达式。如果可以出现任何类型的HTML，我建议您使用解析器而不是正则表达式。如果你想要一个好的解析器，请查看这个wiki…re:regex和HTML。。。马尔科：不，这是一个示例，通过关键字搜索是的，是的，我知道正则表达式和HTML不是一对很好的组合，至少有一个问题是关于使用C#剥离HTML中的标记的，答案总是HTMLAGILITIPACK。这就是为什么我问这是否是一个单一的事件，其中一个

String.Replace

就足够了。

  public static String strip_tags(String text, String allowedTags) {
      String[] tag_list = allowedTags.split(",");
      Arrays.sort(tag_list);

      final Pattern p = Pattern.compile("<[/!]?([^\\\\s>]*)\\\\s*[^>]*>",
              Pattern.CASE_INSENSITIVE);
      Matcher m = p.matcher(text);

      StringBuffer out = new StringBuffer();
      int lastPos = 0;
      while (m.find()) {
          String tag = m.group(1);
          // if tag not allowed: skip it
          if (Arrays.binarySearch(tag_list, tag) < 0) {
              out.append(text.substring(lastPos, m.start())).append(" ");

          } else {
              out.append(text.substring(lastPos, m.end()));
          }
          lastPos = m.end();
      }
      if (lastPos > 0) {
          out.append(text.substring(lastPos));
          return out.toString().trim();
      } else {
          return text;
      }
  }