一切福田，不離方寸，從心而覓，感無不通。

Java去除完全闭合html标签、去除部分未闭合的html标签的几种方式

1. 使用正则表达式去除html标签

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
    /**
     * 去除Html标签
     *
     * @param html
     *            html内容
     * @return 去除标签后的文本
     */
    public static String dislodgeHtmlLabel(String html) {
 
        if (Objects.isNull(html)) {
            return "";
        }
 
        // 过滤script标签
        Pattern pscript = Pattern.compile("<script[^>]*?>[\\s\\S]*?<\\/script>", Pattern.CASE_INSENSITIVE);
 
        // 过滤style的正则
        Pattern pstyle = Pattern.compile("<style[^>]*?>[\\s\\S]*?<\\/style>", Pattern.CASE_INSENSITIVE);
 
        // 过滤html标签的正则
        Pattern phtml = Pattern.compile("<[^>]+>", Pattern.CASE_INSENSITIVE);
 
        // 执行过滤script标签
        Matcher mscript = pscript.matcher(html);
        html = mscript.replaceAll("");
 
        // 执行过滤style标签
        Matcher mstyle = pstyle.matcher(html);
        html = mstyle.replaceAll("");
 
        // 执行过滤html标签
        Matcher mHtml = phtml.matcher(html);
        html = mHtml.replaceAll("");
 
        // 返回文本字符串
        return html.trim();
    }

 

2. 使用Jsoup组件去除html标签

pom文件：

1
2
3
4
5
      <dependency>
            <groupId>org.jsoup</groupId>
            <artifactId>jsoup</artifactId>
            <version>1.12.1</version>
      </dependency>

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
    /**
     * 去除Html标签
     *
     * @param html
     *            html内容
     * @return 去除标签后的文本
     */
    public static String wipeOffHtmlLabel(String html) {
 
        // null则返回空字符串
        if (Objects.isNull(html)) {
            return "";
        }
 
        // 异常返回自身
        try {
            return Jsoup.parse(html).text();
        } catch (Exception e) {
            return html;
        }
    }

3. 运行情况

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
    public static void main(String[] args) {
 
        // 未闭合的html标签
        String notClosed = "<p>你大爷的</p><p><a href=\"http://www.baidu.com\" rel=\"noopener noreferrer\" target=\"_blank\">百度</a><br><br><img alt=\"\" src=\"http://www.baidu.c";
 
        // 正常闭合html标签
        String normal = "<p><strong><span style=\"font-size: 18px;\">你是个傻小子</span></strong></p>";
 
        // 1. 使用正则表达式
        String notClosed1 = dislodgeHtmlLabel(notClosed);
        String normal1 = dislodgeHtmlLabel(normal);
        System.out.println(notClosed1);
        System.out.println(normal1);
 
        System.out.println("*****************************************");
        // 2. 使用Jsoup组件
        String notClosed2 = wipeOffHtmlLabel(notClosed);
        String normal2 = wipeOffHtmlLabel(normal);
        System.out.println(notClosed2);
        System.out.println(normal2);
 
    }

 

结果：
在这里插入图片描述

4. 结论

  1. 完全闭合的标签推荐使用正则表达式，因为是轻量级的。
  2. 如果是从数据库中查出截断的html文本，最好使用Jsoup组件，支持去除未闭合的标签。

 

from:https://blog.csdn.net/qq_30146831/article/details/107017982

Copyright © 2024 Longsheng All rights reserved