从品牌网站建设到网络营销策划,从策略到执行的一站式服务
这篇文章将为大家详细讲解有关Java如何实现从Html文本中提取纯文本的方法,小编觉得挺实用的,因此分享给大家做个参考,希望大家阅读完这篇文章后可以有所收获。
1、应用场景:从一份html文件中或从String(是html内容)中提取纯文本,去掉网页标签;
2、代码一:replaceAll搞定
//从html中提取纯文本 public static String StripHT(String strHtml) { String txtcontent = strHtml.replaceAll("?[^>]+>", ""); //剔出的标签 txtcontent = txtcontent.replaceAll("\\s*|\t|\r|\n", "");//去除字符串中的空格,回车,换行符,制表符 return txtcontent; }
3、代码二:正则表达式搞定
//从html中提取纯文本 public static String Html2Text(String inputString) { 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 { String regEx_script = "<[\\s]*?script[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?script[\\s]*?>"; // 定义script的正则表达式{或