从字符串中删除 HTML 标记

html regex parsing java

2022-08-31 04:26:39

有没有一种从Java字符串中删除HTML的好方法？一个简单的正则表达式，如

replaceAll("\\<.*?>", "")

将工作，但某些内容（如）将无法正确转换，并且两个尖括号之间的非HTML将被删除（即正则表达式中的将消失）。&.*?

答案 1

使用 HTML 解析器而不是正则表达式。对于Jsoup来说，这非常简单。

public static String html2text(String html) {
    return Jsoup.parse(html).text();
}

Jsoup还支持根据可自定义的白名单删除HTML标签，如果您只想允许例如，和..，这将非常有用。<b><i><u>

答案 2

如果你正在为Android写作，你可以这样做...

androidx.core.text.HtmlCompat.fromHtml（instruction，HtmlCompat.FROM_HTML_MODE_LEGACY）.toString（）