java去除html代码中含有的html、js、css标签，获取文字内容

现在在做政府网站，网站里有很多公开信息和政务咨询的新闻，现在需要做新闻的RSS订阅功能，其中有一项是需要处理文章页的内容。我们后台添加编辑文章使用的是编辑器，文章内容会带有很多html标签和css样式。RSS订阅展示新闻列表，只需要展示一部分文章内容，这就需要处理文章页的html代码，去除标签，抓取文章文字内容，下面讲一下怎么做，主要是java的正则表达式和replaceAll()方法。

/*** 去除文章内容页页面代码里的HTML标签* Created by yanyl on 2018/6/4.*/
public class DelTagsUtil {/*** 去除html代码中含有的标签* @param htmlStr* @return*/public static String delHtmlTags(String htmlStr) {//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, "");return htmlStr.trim(); // 返回文本字符串}/*** 获取HTML代码里的内容* @param htmlStr* @return*/public static String getTextFromHtml(String htmlStr){//去除html标签htmlStr = delHtmlTags(htmlStr);//去除空格" "htmlStr = htmlStr.replaceAll(" ","");return htmlStr;}public static void main(String[] args){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>";System.out.println(getTextFromHtml(htmlStr));}}

main方法运行结果：

少年中国说。红日初升，其道大光。河出伏流，一泻汪洋。潜龙腾渊，鳞爪飞扬。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，有作其芒。天戴其苍，地履其黄。纵有千古，横有八荒。前途似海，来日方长。美哉我少年中国，与天不老！壮哉我中国少年，与国无疆！

java去除html代码中含有的html、js、css标签，获取文字内容相关推荐

去除java接口返回值中含有的html、js、css标签，获取纯文字
现在在做政府网站,网站里有很多公开信息和政务咨询的新闻,现在需要做新闻的RSS订阅功能,其中有一项是需要处理文章页的内容.我们后台添加编辑文章使用的是编辑器,文章内容会带有很多html标签和css样式 ...
c语言清除html标签的方法,去除HTML代码中所有标签的两种方法
去除HTML代码中所有标签 '****************************** '函数:RemoveHTML_A(strText) '参数:strText,待处理的字符串 '作者:阿里西西 ...
yii2 asset.php,Yii2中使用asset压缩js,css文件的方法_php实例
官网文档 http://www.yiiframework.com/doc-2.0/guide-structure-assets.html yii目录下运行 asset/template assets. ...
html获取文本框中的文字,JavaScript实现input输入框点击获取文字内容
Js实现INPUT输入框,当鼠标点击文字时自动获取文字内容,并显示在文本框中,一个惯用的表单技巧,有时可省去一些用户输入的麻烦,可有效提升用户体验. input输入框获取js点击文字内容 .c{ wi ...
Java去除PDF文件中的图片
场景:调用第三方的接口取得的PDF文件流中有个不想要的图片,跟第三方接口沟通无果的情况下,自己想办法去掉吧. 解决思路:打算用PDFBox去掉PDF中的图片,但是在代码中resources.getIm ...
【Java】在代码中设置输出字符集为UTF-8
今日无聊,来试试如何在 Java 代码中更改输出字符集. 一行代码设置输出字符集为UTF-8 import java.io.PrintStream; import java.nio.charset.S ...
java 魔法值_Java代码中的魔法值
所谓魔法值,是指在代码中直接出现的数值,只有在这个数值记述的那部分代码中才能明确了解其含义. 1. 前言重构老代码中遇到了不少类似下面这种写法: public void attend(String ...
如何去除IDEA代码中大量的波浪线！
idea代码中存在大量的波浪线,很大一部分是在提示你,这是重复代码,但是并不是所有的重复代码都能合并,所以这样的提示并不方便.好在可以通过配置去掉这些波浪线~~ Flie --> Setting ...
jsp基础代码片段(含sql与js和jsp的交互)与简易贴吧网站项目
因为老是翘掉学校jsp的课程,结果结课作业本来是一个小组做一个网站,结果我被老师指名道姓的要求一个人做一个网站,于是学了几天jsp,用了2天时间做了个网站 , 但安全性几乎为0 , 先写一篇博客记录一 ...

java去除html代码中含有的html、js、css标签，获取文字内容

java去除html代码中含有的html、js、css标签，获取文字内容相关推荐

最新文章

热门文章