Java如何去掉html标签，都有什么方法？

这篇文章给大家分享的是Java如何去掉html标签。小编觉得挺实用的，因此分享给大家做个参考，文中给大家介绍了三种方法，示例代码介绍得很详细，有需要的朋友可以参考，接下来就跟随小编一起了解看看吧。

本文操作环境：windows7系统、Java8.0& & HTML5版，DELL G3电脑

Java去掉html标签的各种姿势

一、背景

业务开发中可能需要将html的标签全部去掉，本文将多种方法综合在这里，供大家参考。

二、方法

2.1 纯正则方法

import java.util.regex.Matcher;
     
import java.util.regex.Pattern;
 

public class HTMLSpirit{
 
    public static String delHTMLTag(String htmlStr){
     
        String regEx_script="script[^>
    ]*?>
    [\\s\\S]*?\\/script>
    ";
     //定义script的正则表达式 
        String regEx_style="style[^>
    ]*?>
    [\\s\\S]*?\\/style>
    ";
     //定义style的正则表达式 
        String regEx_html="[^>
    ]+>
    ";
     //定义HTML标签的正则表达式 
         
        Pattern p_script=Pattern.compile(regEx_script,Pattern.CASE_INSENSITIVE);
     
        Matcher m_script=p_script.matcher(htmlStr);
     
        htmlStr=m_script.replaceAll("");
     //过滤script标签 
         
        Pattern p_style=Pattern.compile(regEx_style,Pattern.CASE_INSENSITIVE);
     
        Matcher m_style=p_style.matcher(htmlStr);
     
        htmlStr=m_style.replaceAll("");
     //过滤style标签 
         
        Pattern p_html=Pattern.compile(regEx_html,Pattern.CASE_INSENSITIVE);
     
        Matcher m_html=p_html.matcher(htmlStr);
     
        htmlStr=m_html.replaceAll("");
     //过滤html标签 

        return htmlStr.trim();
 //返回文本字符串 
    }
 
}
    

2.2 使用 javax.swing.text.html.HTMLEditorKit

import java.io.IOException;
    
import java.io.FileReader;
    
import java.io.Reader;
    
import java.util.List;
    
import java.util.ArrayList;
    

import javax.swing.text.html.parser.ParserDelegator;
    
import javax.swing.text.html.HTMLEditorKit.ParserCallback;
    
import javax.swing.text.html.HTML.Tag;
    
import javax.swing.text.MutableAttributeSet;


public class HTMLUtils {

  private HTMLUtils() {
}
    

  public static ListString>
 extractText(Reader reader) throws IOException {
    
    final ArrayListString>
     list = new ArrayListString>
    ();
    

    ParserDelegator parserDelegator = new ParserDelegator();

    ParserCallback parserCallback = new ParserCallback() {

      public void handleText(final char[] data, final int pos) {
    
        list.add(new String(data));

      }

      public void handleStartTag(Tag tag, MutableAttributeSet attribute, int pos) {
 }

      public void handleEndTag(Tag t, final int pos) {
  }

      public void handleSimpleTag(Tag t, MutableAttributeSet a, final int pos) {
 }

      public void handleComment(final char[] data, final int pos) {
 }

      public void handleError(final java.lang.String errMsg, final int pos) {
 }

    }
    ;
    
    parserDelegator.parse(reader, parserCallback, true);
    
    return list;

  }


  public final static void main(String[] args) throws Exception{
    
    FileReader reader = new FileReader("java-new.html");
    
    ListString>
     lines = HTMLUtils.extractText(reader);

    for (String line : lines) {
    
      System.out.println(line);

    }

  }

}
    

2.3 使用Jsoup框架

import java.io.IOException;
    
import java.io.FileReader;
    
import java.io.Reader;
    
import java.io.BufferedReader;
    
import org.jsoup.Jsoup;


public class HTMLUtils {

  private HTMLUtils() {
}


  public static String extractText(Reader reader) throws IOException {
    
    StringBuilder sb = new StringBuilder();
    
    BufferedReader br = new BufferedReader(reader);
    
    String line;

    while ( (line=br.readLine()) != null) {
    
      sb.append(line);

    }
    
    String textOnly = Jsoup.parse(sb.toString()).text();
    
    return textOnly;

  }


  public final static void main(String[] args) throws Exception{
    
    FileReader reader = new FileReader
          ("C:/RealHowTo/topics/java-language.html");
    
    System.out.println(HTMLUtils.extractText(reader));

  }
    

2.4 使用Apache Tika

mport java.io.FileInputStream;
    
import java.io.InputStream;
    

import org.apache.tika.metadata.Metadata;
    
import org.apache.tika.parser.AutoDetectParser;
    
import org.apache.tika.parser.ParseContext;
    
import org.apache.tika.parser.Parser;
    
import org.apache.tika.sax.BodyContentHandler;
    
import org.xml.sax.ContentHandler;


public class ParseHTMLWithTika {

  public static void main(String args[]) throws Exception {
    

    InputStream is = null;

    try {
    

         is = new FileInputStream("C:/Temp/java-x.html");
    
        WriteOutContentHandler contenthandler = new WriteOutContentHandler(100000000);
    
         Metadata metadata = new Metadata();
    
         Parser parser = new AutoDetectParser();
    
         parser.parse(is, contenthandler, metadata, new ParseContext());
    
         System.out.println(contenthandler.toString());

    }

    catch (Exception e) {
    
      e.printStackTrace();

    }

    finally {
    
        if (is != null) is.close();

    }

  }

}

注意这里经过本人实验有个小坑，WriteOutContentHandler参数是限制的字符数，这个如果不设置默认是1万，超过会报异常。

具体的jar包请自行到中央仓库里搜索依赖配置

三、提供一个工具类

可以将资源路径的文本类型文件（如json/html）读取成字符串

public class ResourceUtil {

    /**
     * 根据当前类路径，获取资源文件夹对应文件的所有字符串
     *
     * @param currentClass 如 this.class
     * @param resourcePath 如 /data/json/xxx.json （相对于resources文件夹）
     */
    public static String resource2String(Class currentClass, String resourcePath) throws IOException {
    
        return IOUtils.toString(new FileReader(new File(currentClass.getResource(resourcePath).getFile())));

    }


}
    

四、总结

这里提供了多种去除html标签的方式，建议先测试好再实际使用。测试时读取资源文件可以使用第三节提供的工具类。如果正则表达式无法满足你的需求，自己进一步优化即可。如果其他方式仍然有特殊情况没有考虑到，可以自己先用正则去除这种特殊情况。总之这里只是一种参考，提供了多种解决方案。

关于Java去掉html标签的方法就介绍到这，上述示例具有一定的借鉴价值，感兴趣的朋友可以参考，希望能对大家有帮助，想要了解更多大家可以关注网络其它的相关文章。

文本转载自PHP中文网

声明：本文内容由网友自发贡献，本站不承担相应法律责任。对本内容有异议或投诉，请联系2913721942#qq.com核实处理，我们将尽快回复您，谢谢合作！