java正则表达式去除html标签

Posted 2021-02-06 skiwnchqhh

当我们用ckeditor或其他一些在线文本编辑器的时候 内容里会有很多的标签

如下片段：

<p><img alt="" src="/img/uploadImg/20131218/0fd741e1-cc75-459c-a8b5-bbaebcfcc637.jpg"
style="height:494px; width:460px" /></p>

<p>生命的旅途，一程有一程的风景，一程有一程的盛放。打开心灵的窗子，
静看时光旖旎着一曲花开花落，用一种看山是山，看水是水的境界来生活就会快乐，
人生的最美，便是来自心灵深处的通透与清欢。</p>

<p>——题记</p>

<p>喜欢在飘雪的午后，盈一眸恬静，书一抹情怀，看那雪花落入红尘最深处。
暂离尘世喧嚣，将心灵放空，尽情的体会那份旷达与纯净。生命的旅途中，
会有不期而遇的欣喜，也会有痛彻心扉的清醒，一地落红，氤氲了冷暖；一树梅开，
缱绻了浮华，雪如拂尘，能掸去俗世的无奈，也能让灵魂净化。</p>

包含一些图片，段落，换行等html标签

如果要进行统计字数，则就需要去除这些标签。用java正则 如下代码：

/**
 * 删除Html标签
 * 
 * @param inputString
 * @return
 */
public static String htmlRemoveTag(String inputString) {
	if (inputString == null)
		return null;
	String htmlStr = inputString; // 含html标签的字符串
	String textStr = "";
	java.util.regex.Pattern p_script;
	java.util.regex.Matcher m_script;
	java.util.regex.Pattern p_style;
	java.util.regex.Matcher m_style;
	java.util.regex.Pattern p_html;
	java.util.regex.Matcher m_html;
	try {
		//定义script的正则表达式{或<script[^>]*?>[\s\S]*?<\/script>
		String regEx_script = "<[\s]*?script[^>]*?>[\s\S]*?<[\s]*?\/[\s]*?script[\s]*?>"; 
		//定义style的正则表达式{或<style[^>]*?>[\s\S]*?<\/style>
		String regEx_style = "<[\s]*?style[^>]*?>[\s\S]*?<[\s]*?\/[\s]*?style[\s]*?>"; 
		String regEx_html = "<[^>]+>"; // 定义HTML标签的正则表达式
		p_script = Pattern.compile(regEx_script, Pattern.CASE_INSENSITIVE);
		m_script = p_script.matcher(htmlStr);
		htmlStr = m_script.replaceAll(""); // 过滤script标签
		p_style = Pattern.compile(regEx_style, Pattern.CASE_INSENSITIVE);
		m_style = p_style.matcher(htmlStr);
		htmlStr = m_style.replaceAll(""); // 过滤style标签
		p_html = Pattern.compile(regEx_html, Pattern.CASE_INSENSITIVE);
		m_html = p_html.matcher(htmlStr);
		htmlStr = m_html.replaceAll(""); // 过滤html标签
		textStr = htmlStr;
	} catch (Exception e) {
		e.printStackTrace();
	}
	return textStr;// 返回文本字符串
}

再分享一下我老师大神的人工智能教程吧。零基础！通俗易懂！风趣幽默！还带黄段子！希望你也加入到我们人工智能的队伍中来！https://blog.csdn.net/jiangjunshow