JAVA过滤标签将html内容转换为文本 JAVA过滤标签实现将html内容转换为文本的方法示例

时间:2021-03-24 johennes 人气:0

想了解JAVA过滤标签实现将html内容转换为文本的方法示例的相关内容吗，johennes在本文为您仔细讲解JAVA过滤标签将html内容转换为文本的相关知识和一些Code实例，欢迎阅读和指正，我们先划重点：JAVA,过滤,标签,html内容,转换,文本，下面大家一起来学习吧。

本文实例讲述了JAVA过滤标签实现将html内容转换为文本的方法。分享给大家供大家参考，具体如下：

/**
* 把html内容转为文本
* @param html 需要处理的html文本
* @param filterTags 需要保留的html标签样式
* @return
*/
public static String trimHtml2Txt(String html, String[] filterTags){
    html = html.replaceAll("\\<head>[\\s\\S]*?</head>(?i)", "");//去掉head
    html = html.replaceAll("\\<!--[\\s\\S]*?-->", "");//去掉注释
    html = html.replaceAll("\\<![\\s\\S]*?>", "");
    html = html.replaceAll("\\<style[^>]*>[\\s\\S]*?</style>(?i)", "");//去掉样式
    html = html.replaceAll("\\<script[^>]*>[\\s\\S]*?</script>(?i)", "");//去掉js
    html = html.replaceAll("\\<w:[^>]+>[\\s\\S]*?</w:[^>]+>(?i)", "");//去掉word标签
    html = html.replaceAll("\\<xml>[\\s\\S]*?</xml>(?i)", "");
    html = html.replaceAll("\\<html[^>]*>|<body[^>]*>|</html>|</body>(?i)", "");
    html = html.replaceAll("\\\r\n|\n|\r", " ");//去掉换行
    html = html.replaceAll("\\<br[^>]*>(?i)", "\n\r");
    List<String> tags = new ArrayList<String>();
    List<String> s_tags = new ArrayList<String>();
    List<String> halfTag = Arrays.asList(new String[]{"img","table","thead","th","tr","td"});//
    if(filterTags != null && filterTags.length > 0){
      for (String tag : filterTags) {
        tags.add("<"+tag+(halfTag.contains(tag)?"":">"));//开始标签
        if(!"img".equals(tag)) tags.add("</"+tag+">");//结束标签
        s_tags.add("#REPLACETAG"+tag+(halfTag.contains(tag)?"":"REPLACETAG#"));//尽量替换为复杂一点的标记,以免与显示文本混合,如：文本中包含#td、#table等
        if(!"img".equals(tag)) s_tags.add("#REPLACETAG/"+tag+"REPLACETAG#");
      }
    }
    html = StringUtils.replaceEach(html, tags.toArray(new String[tags.size()]), s_tags.toArray(new String[s_tags.size()]));
    html = html.replaceAll("\\</p>(?i)", "\n\r");
    html = html.replaceAll("\\<[^>]+>", "");
    html = StringUtils.replaceEach(html,s_tags.toArray(new String[s_tags.size()]),tags.toArray(new String[tags.size()]));
    html = html.replaceAll("\\ ", " ");
    return html.trim();
}

PS：这里再为大家推荐一款功能类似的在线工具供大家参考使用：

在线html/js/css代码过滤工具
http://tools.softyun.net/code/htmlfilter

另外，关于正则操作，这里再为大家推荐两款相关在线工具：

JavaScript正则表达式在线测试工具：
http://tools.softyun.net/regex/javascript

正则表达式在线生成工具：
http://tools.softyun.net/regex/create_reg

希望本文所述对大家java程序设计有所帮助。

加载全部内容