如何在Java中删除HTML标记

是否存在可以完全删除HTML标记的正则表达式？

---

顺便说一下，我正在使用Java。

您应该使用HTML解析器。我喜欢，因为它给了我一个漂亮的HTML打印版本

使用htmlCleaner，您可以执行以下操作：

TagNode root = htmlCleaner.clean( stream );
Object[] found = root.evaluateXPath( "//div[id='something']" );
if( found.length > 0 && found instanceof TagNode ) {
    ((TagNode)found[0]).removeFromTree();
}

---

不可以。根据定义，正则表达式不能解析HTML

您可以使用正则表达式来

s/]*\>/

或类似的简单方法，但这是不够的，尤其是如果您对删除标记的内容感兴趣的话

---

正如另一张海报所说，使用实际的HTML解析器。

如果您只需要删除标记，则可以使用以下正则表达式：

content = content.replaceAll("<[^>]+>", "");

content=content.replaceAll（“]+>”，“”）；

它将只删除标记，但不会删除其他HTML内容。对于更复杂的事情，您应该使用解析器

编辑：为避免HTML注释出现问题，您可以执行以下操作：

content = content.replaceAll("<!--.*?-->", "").replaceAll("<[^>]+>", "");

content=content.replaceAll（“，”）.replaceAll（“]+>”，”）；

或者，如果您的目的是将用户控制的输入显示回客户端，那么您也可以将所有

替换为

。这样，HTML就不会被客户机的应用程序（webbrowser）按原样解释

如果您使用JSP作为视图技术，那么您可以使用JSTL来实现这一点。默认情况下，它将转义所有HTML实体。比如说

<c:out value="<script>alert('XSS');</script>" />

---

将不显示警报，但只按原样显示实际字符串。

您可以使用此简单代码删除所有html标记

htmlString.replaceAll("\\<.*?\\>", ""))

htmlString.replaceAll（“\\”，“”）

有一个是一个用于HTML操作的java库。查看

clean（）

方法和

WhiteList

对象。易于使用的解决方案

您不需要任何HTML解析器。以下代码删除所有HTML注释：

---

htmlString=htmlString.replaceAll（“（？s）”，”

由于您不使用任何肉类字符

、

^

和

$

，可以省略

s

-和

m

标志。如果HTML包含嵌入“”字符的XML注释，则此正则表达式可能会导致损坏。感谢您将我指向htmlCleaner:）我们需要获取任何库才能使用上述代码吗？和root.evaluateXPath（“//div[id='something']”）；在这个“某物”中可以是任何身份证仪式？请让我知道。感谢您将标题输入搜索框，我得到以下信息：。。。你在发帖时没有得到同样的答案吗？我没有发现重复的答案。这些问题涉及从HTML中提取文本：这只会删除开头标记，而不处理结尾标记。我从来不会独自做这样的工作-将HTML解析为纯文本确实是一项艰巨的工作。这对我来说很有效，但可能取决于标记、注释、脚本等的复杂性。因此，对于一个复杂的情况，也许html库应该更好。哇，先生，你真的让我开心，我喜欢，是的！Markdownj，Markdown4J，htmlCleaner。。他们都很抱歉。。JSoup是唯一一个真正实现这一点的单行程序：String plain=new HtmlToPlainText（）.getPlainText（JSoup.parse（html））；较短的代码是

String plaintext=Jsoup.parse（html.text（）@jrarama-一点也不
Jsoup.parse（html）.text（）
删除所有标记和空白，只留下一行长文本，而
new HtmlToPlainText（）.getPlainText（Jsoup.parse（html））
以一种简单的方式格式化文本，保留换行符、段落、项目符号，等等@isapir:HtmlToPlainText没有包含在其中，因为HtmlToPlainText就是一个例子，请参见