java去掉html標(biāo)簽的方法：1、通過純正則方法去掉html標(biāo)簽；2、使用“javax.swing.text.html.HTMLEditorKit”去掉html標(biāo)簽；3、通過使用Jsoup框架去掉html標(biāo)簽等等。

本文操作環(huán)境：windows7系統(tǒng)、Java8.0&&HTML5版，DELL G3電腦

Java去掉html標(biāo)簽的各種姿勢

一、背景

業(yè)務(wù)開發(fā)中可能需要將html的標(biāo)簽全部去掉，本文將多種方法綜合在這里，供大家參考。

二、方法

2.1 純正則方法

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>"; //定義script的正則表達式          String regEx_style="<style[^>]*?>[\s\S]*?<\/style>"; //定義style的正則表達式          String regEx_html="<[^>]+>"; //定義HTML標(biāo)簽的正則表達式                    Pattern p_script=Pattern.compile(regEx_script,Pattern.CASE_INSENSITIVE);          Matcher m_script=p_script.matcher(htmlStr);          htmlStr=m_script.replaceAll(""); //過濾script標(biāo)簽                    Pattern p_style=Pattern.compile(regEx_style,Pattern.CASE_INSENSITIVE);          Matcher m_style=p_style.matcher(htmlStr);          htmlStr=m_style.replaceAll(""); //過濾style標(biāo)簽                    Pattern p_html=Pattern.compile(regEx_html,Pattern.CASE_INSENSITIVE);          Matcher m_html=p_html.matcher(htmlStr);          htmlStr=m_html.replaceAll(""); //過濾html標(biāo)簽           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 List<String> extractText(Reader reader) throws IOException {     final ArrayList<String> list = new ArrayList<String>();      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");     List<String> lines = HTMLUtils.extractText(reader);     for (String line : lines) {       System.out.println(line);     }   } }

【推薦：java視頻教程】

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();     }   } }

注意這里經(jīng)過本人實驗有個小坑，WriteOutContentHandler參數(shù)是限制的字符數(shù)，這個如果不設(shè)置默認(rèn)是1萬，超過會報異常。

具體的jar包請自行到中央倉庫里搜索依賴配置

https://search.maven.org/ 和 https://mvnrepository.com/

三、提供一個工具類

可以將資源路徑的文本類型文件（如json/html）讀取成字符串

public class ResourceUtil {     /**      * 根據(jù)當(dāng)前類路徑，獲取資源文件夾對應(yīng)文件的所有字符串      *      * @param currentClass 如 this.class      * @param resourcePath 如 /data/json/xxx.json （相對于resources文件夾）      */     public static String resource2String(Class currentClass, String resourcePath) throws IOException {         return IOUtils.toString(new FileReader(new File(currentClass.getResource(resourcePath).getFile())));     }  }

四、總結(jié)

這里提供了多種去除html標(biāo)簽的方式，建議先測試好再實際使用。

測試時讀取資源文件可以使用第三節(jié)提供的工具類。

如果正則表達式無法滿足你的需求，自己進一步優(yōu)化即可。

如果其他方式仍然有特殊情況沒有考慮到，可以自己先用正則去除這種特殊情況。

總之這里只是一種參考，提供了多種解決方案。