JAVA中Html标签转换的问题。
Posted
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了JAVA中Html标签转换的问题。相关的知识，希望对你有一定的参考价值。
1、要求是只输出<body>和</body>之间的内容，怎么表示呢？
2、将<p></p>替换掉，用replace()么？怎么能在</p>时结束呢？
3、<br>是不是就temp = temp.replace("<br>","\n");?
4、如果是像<h1></h1>这种的，直接去掉么？
5、replace()和replaceAll()的区别是？
我写到这里之后自己变得很混乱。。。
while(input.hasNext())
String text=source.nextLine();
String body="<body>";
String endbody="</body>";
String temp;
if(temp.indexOf("<p>")!=-1)
temp = temp.replace("<p>", "");
System.out.print(temp);
初学者，谢谢。
private static String rep="<[\\s]*?script[^>]*?>" +
"|<[\\s]*?\\/[\\s]*?script[\\s]*?>" +
"|<[\\s]*?div[^>]*?>" +
"|<[\\s]*?\\/[\\s]*?div[\\s]*?>"+
"|<[\\s]*?style[^>]*?>"+
"|<[\\s]*?\\/[\\s]*?style[\\s]*?>"+
"|<[\\s]*?form[^>]*?>"+
"|<[\\s]*?\\/[\\s]*?forum[\\s]*?>"+
"|<[\\s]*?input[^>]*?>"+
"|<[\\s]*?\\/[\\s]*?select[\\s]*?>"+
"|<[\\s]*?<marquee [^>]*?>"+
"|<[\\s]*?\\/[\\s]*?<marquee [\\s]*?>" +
"|<[\\s]*?ul[^>]*?>" +
"|<[\\s]*?\\/[\\s]*?ul[\\s]*?>" +
"|<[\\s]*?li[^>]*?>" +
"|<[\\s]*?\\/[\\s]*?li[\\s]*?>" +
"|<[\\s]*?div[^>]*?>" +
"|<[\\s]*?\\/[\\s]*?div[\\s]*?>" +
"|<[\\s]*?table[^>]*?>" +
"|<[\\s]*?\\/[\\s]*?table[\\s]*?>" +
"|<[\\s]*?tr[^>]*?>" +
"|<[\\s]*?\\/[\\s]*?tr[\\s]*?>" +
"|<[\\s]*?td[^>]*?>" +
"|<[\\s]*?\\/[\\s]*?td[\\s]*?>" +
"|<[\\s]*?th[^>]*?>" +
"|<[\\s]*?\\/[\\s]*?th[\\s]*?>";
/**
* 去掉危险的代码[div][style][form][input][script][ul][li][table][tr][td][th]
* @param content
* @return
*/
public static String removeDangerTag(String content)
Pattern p = null;
Matcher m = null;
p = Pattern.compile(rep,Pattern.CASE_INSENSITIVE);//去掉危险的html
m = p.matcher(content);
String temp = m.replaceAll("");
return temp;
//-----------按照你的要求，吧相应的p加入到正则匹配中
private static String rep="<[\\s]*?script[^>]*?>" +
"|<[\\s]*?\\/[\\s]*?script[\\s]*?>" +
"|<[\\s]*?div[^>]*?>" +
"|<[\\s]*?\\/[\\s]*?div[\\s]*?>"+
"|<[\\s]*?style[^>]*?>"+
"|<[\\s]*?\\/[\\s]*?style[\\s]*?>"+
"|<[\\s]*?form[^>]*?>"+
"|<[\\s]*?\\/[\\s]*?forum[\\s]*?>"+
"|<[\\s]*?input[^>]*?>"+
"|<[\\s]*?\\/[\\s]*?select[\\s]*?>"+
"|<[\\s]*?<marquee [^>]*?>"+
"|<[\\s]*?\\/[\\s]*?<marquee [\\s]*?>" +
"|<[\\s]*?ul[^>]*?>" +
"|<[\\s]*?\\/[\\s]*?ul[\\s]*?>" +
"|<[\\s]*?li[^>]*?>" +
"|<[\\s]*?\\/[\\s]*?li[\\s]*?>" +
"|<[\\s]*?div[^>]*?>" +
"|<[\\s]*?\\/[\\s]*?div[\\s]*?>" +
"|<[\\s]*?table[^>]*?>" +
"|<[\\s]*?\\/[\\s]*?table[\\s]*?>" +
"|<[\\s]*?tr[^>]*?>" +
"|<[\\s]*?\\/[\\s]*?tr[\\s]*?>" +
"|<[\\s]*?td[^>]*?>" +
"|<[\\s]*?\\/[\\s]*?td[\\s]*?>" +
"|<[\\s]*?p[^>]*?>" + //这里加入了p标签
"|<[\\s]*?\\/[\\s]*?p[\\s]*?>" +
"|<[\\s]*?th[^>]*?>" +
"|<[\\s]*?\\/[\\s]*?th[\\s]*?>"; 参考技术A 1、replace标签替换.
2、正则处理。
Today is Sunday.<br>Tomorrow will be Monday.
可以replace<br>为"\n" 参考技术B String s="<body><p>asdsadsadasda</p></body>";
System.out.println(s.replace("<p>", "").replace("</p>", ""));
替换之前不需要判断。
replace和replaceAll
都是全部替换。区别是replaceAll支持正则表达式
如s.replaceAll("\\d","");将s字符串的所有数字全部去掉 参考技术C 用java里面的正则表达式来匹配标签。
比较复杂了，自己可以研究一下。 参考技术D 你题目什么意思？不懂啊？说明白？是说用java输出html代码？还是什么意思？追问
就是比如说有一个html文件，
是这样的，
Today is Sunday.Tomorrow will be Monday.
然后让你在java里新建一个output file，
输出的格式应该是
Today is Sunday.
Tomorrow will be Monday.
应该怎么写java程序？用户输入的文件中，遇到这样的标签，就执行这样的代码？
你是要写html解析器啊？这个有点麻烦，我就不管了。
如何在Java中删除HTML标签[重复]
【中文标题】如何在Java中删除HTML标签[重复]【英文标题】：How to remove HTML tag in Java [duplicate] 【发布时间】：2010-12-14 12:48:24 【问题描述】：有没有可以完全去除HTML标签的正则表达式？ 顺便说一句，我正在使用 Java。
【问题讨论】：
在搜索框中输入您的标题，我得到以下信息：***.com/search?q=How+to+remove+HTML+tag+in+Java ...您在发布问题时没有得到相同的结果吗？ 我没有发现重复项。这些问题关心从 HTML 中提取文本：***.com/questions/240546/…***.com/questions/832620/stripping-html-tags-in-java 【参考方案1】：没有。正则表达式不能根据定义解析 HTML。
您可以对s/<[^>]*\>// 使用正则表达式或类似的简单方法，但这将是不够的，尤其是如果您有兴趣删除标签的内容。
正如另一位发帖者所说，使用实际的 HTML 解析器。
【讨论】：
【参考方案2】：您不需要任何 HTML 解析器。下面的代码删除了所有的 HTML cmets：
htmlString = htmlString.replaceAll("(?s)<!--.*?-->", "");
【讨论】：
【参考方案3】：JSoup 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！
【讨论】：
哇，先生，真的让我很开心，我喜欢这样，是的！ Markdownj、Markdown4J、htmlCleaner .. 所有这些都是 ***** 抱歉.. JSoup 是唯一一个你真正实现这一目标的地方：String plain = new HtmlToPlainText().getPlainText(Jsoup.parse( html)); 更短的代码是String plaintext = Jsoup.parse(html).text();
@jrarama - 一点也不。 Jsoup.parse(html).text() 删除所有标签和空格，只留下一长行文本，而 new HtmlToPlainText().getPlainText(Jsoup.parse(html)) 以简单的方式格式化文本，保留换行符、段落、项目符号等。
@isapir: HtmlToPlainText 不包含在mvnrepository.com/artifact/org.jsoup/jsoup/1.11.3
那是因为HtmlToPlainText就是一个例子，见github.com/jhy/jsoup/blob/master/src/main/java/org/jsoup/…【参考方案4】：
你可以使用这个简单的代码来删除所有的html标签...
htmlString.replaceAll("\\<.*?\\>", ""))
【讨论】：
这只会删除开始标签，而不处理结束标签。 我永远不会独自完成这样的工作 - 将 html 解析为纯文本确实是一项艰巨的工作...... 它对我有用，但可能取决于标签、cmets、脚本等的复杂性。因此，对于复杂的情况，也许 html 库应该更好。【参考方案5】：或者，如果您的意图是显示用户控制的输入返回给客户端，那么您也可以将所有&lt; 替换为&lt; 并将所有&gt; 替换为&gt; .这样，客户端的应用程序（网络浏览器）就不会按原样解释 HTML。
如果您使用 JSP 作为视图技术，那么您可以为此使用 JSTL 的c:out。默认情况下，它将转义所有 HTML 实体。比如
<c:out value="<script>alert('XSS');</script>" />
不会显示警报，而是按原样显示实际字符串。
【讨论】：
【参考方案6】：如果你只需要删除标签，那么你可以使用这个正则表达式：
content = content.replaceAll("<[^>]+>", "");
它只会删除标签，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 cmets 出现问题，您可以执行以下操作：
content = content.replaceAll("<!--.*?-->", "").replaceAll("<[^>]+>", "");
【讨论】：
由于您不使用任何肉类字符.、^ 和 $，因此可以省略 s- 和 m 标志。
如果 HTML 包含嵌入了 '' 字符的 XML cmets，此正则表达式可能会导致损坏。【参考方案7】：
您应该改用 HTML 解析器。我喜欢htmlCleaner，因为它给了我一个漂亮的 HTML 打印版本。
使用 htmlCleaner 你可以做到：
TagNode root = htmlCleaner.clean( stream );
Object[] found = root.evaluateXPath( "//div[id='something']" );
if( found.length > 0 && found instanceof TagNode )
((TagNode)found[0]).removeFromTree();
【讨论】：
感谢您指向 htmlCleaner :) 我们是否需要获取任何库才能使用上面的代码？和 root.evaluateXPath("//div[id='something']");在这个“某事”中可能是任何身份仪式吗？请告诉我。谢谢以上是关于JAVA中Html标签转换的问题。的主要内容，如果未能解决你的问题，请参考以下文章