Java如何去除字符串中的HTML标签

使用爬虫爬取网站数据，有时会将HTML相关的标签也一并获取，如何将这些无关的标签去除呢，往下看：

直接写个Test类：

    void deleteHtmlTags() {//定义字符串String htmlStr = "<script type>var i=1; alert(i)</script><style> .font1{font-size:12px}</style><span>少年中国说。</span>红日初升，其道大光。<h3>河出伏流，一泻汪洋。</h3>潜龙腾渊， 鳞爪&nbsp;&nbsp;飞扬。乳 虎啸  谷，百兽震惶。鹰隼试翼，风尘吸张。奇花初胎，矞矞皇皇。干将发硎，有作&nbsp其芒。天戴其苍，地履其黄。纵有千古，横有" +"八荒。<a href=\"www.baidu.com\">前途似海，来日方长</a>。<h1>美哉我少年中国，与天不老！</h1><p>壮哉我中国少年，与国无疆！</p>";//定义script的正则表达式，去除js可以防止注入String scriptRegex = "<script[^>]*?>[\\s\\S]*?<\\/script>";//定义style的正则表达式，去除style样式，防止css代码过多时只截取到css样式代码String styleRegex = "<style[^>]*?>[\\s\\S]*?<\\/style>";//定义HTML标签的正则表达式，去除标签，只提取文字内容String htmlRegex = "<[^>]+>";//定义空格,回车,换行符,制表符String spaceRegex = "\\s*|\t|\r|\n";// 过滤script标签htmlStr = htmlStr.replaceAll(scriptRegex, "");// 过滤style标签htmlStr = htmlStr.replaceAll(styleRegex, "");// 过滤html标签htmlStr = htmlStr.replaceAll(htmlRegex, "");// 过滤空格等htmlStr = htmlStr.replaceAll(spaceRegex, "");// 过滤&nbsp;htmlStr = htmlStr.replace("&nbsp;", "");// 过滤&nbsphtmlStr = htmlStr.replace("&nbsp", "");// 返回文本字符串htmlStr = htmlStr.trim();//去除空格" "htmlStr = htmlStr.replaceAll(" ", "");System.out.println(htmlStr);}

最终的结果如下：

原先爬取的字符串中的script、style、html等标签，以及空格、&nbsp都已经筛除了。

如果该文章对您有用，麻烦点赞收藏加关注哦！！！万分感谢。

Java如何去除字符串中的HTML标签相关推荐

java：去除字符串中空格、 oracle (+) 、 mysql中数值运算符和函数
java:去除字符串中空格 http://www.cnblogs.com/LiuChunfu/p/5661810.html oracle:oracle (+) https://zhidao.baidu ...
php去除字符串样式,php去除字符串中的HTML标签方法总结
php去除字符串中的HTML标签方法有很多的今天在做一个采集小功能时发现了有N种方法,下面我为各位整理一下有原创的也有整理的,希望对大家有帮助. 先来看自己的写法代码如下复制代码 str_rep ...
java 正则表达式去除字符串中的转义字符（/b /u0002 /u001D等）
代码: public class Test {public static void main(String args[]){String x ="\u001FJesusDelAlamo也在会 ...
在mysql中去除字符串中html标签SQL语句集中方法
在日常开发中,我们会遇到需要在数据库中对通过web网站中文本编辑器提交上来的内容进行一些特殊处理等,此处是针对mysql数据库中去除字符串中的html标签SQL语句. 直接贴上代码: SET GLOB ...
java字符串去掉中文_Java——去除字符串中的中文
import java.util.regex.Matcher; import java.util.regex.Pattern; public class RemoveStrChinese { priv ...
java字符串去重复_java去除字符串中重复、不重复、消除重复后字符
java去除字符串中重复.不重复.消除重复后字符 import java.util.HashSet; import java.util.Set; public class Main { public ...
java 去除引号_java如何用replaceAll去除字符串中的引号
Java如何使用replaceAll删除字符串中的引号,如下: ①."\"是本义字符,除\b,\t,\n,\r等非凡字符能够写成单个\,其余字符是没有答应的,因而间接将字符串配置为 ...
Java详解去除字符串中空格的方法
Java去除字符串中空格的方法详解代码中字符串使用了replaceAll()方法,去除了所有空格(其中包括:首尾空格.中间空格) 遂整理下java关于字符串去除空格的方法. 1.方法分类 str.t ...
Java去除字符串中空格的方法详解
昨天写了一个关于Excel文件处理的脚本,在字符串匹配功能上总是出现多余不正确的匹配,debug调试之后,发现一个坑. 代码中字符串使用了replaceAll()方法,去除了所有空格(其中包括:首尾空 ...

Java如何去除字符串中的HTML标签

Java如何去除字符串中的HTML标签相关推荐

最新文章

热门文章