Html2Text

标签：

public static String Html2Text(String inputString) {
// 过滤HTML标签
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;
java.util.regex.Pattern p_cont1;
java.util.regex.Matcher m_cont1;
java.util.regex.Pattern p_cont2;
java.util.regex.Matcher m_cont2;
try {
String regEx_script = "<[\\s]*?script[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?script[\\s]*?>";// 定义script的正则表达式{或<script[^>]*?>[\\s\\S]*?<\\/script>
String regEx_style = "<[\\s]*?style[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?style[\\s]*?>";// 定义style的正则表达式{或<style[^>]*?>[\\s\\S]*?<\\/style>
String regEx_html = "<[^>]+>"; // 定义html标签的正则表达式
String regEx_cont1 = "[\\d+\\s*`~!@#$%^&*\\(?~！@#￥%……&*（）——+|{}【】‘：”“’_]";// 定义HTML标签的正则表达式
String regEx_cont2 = "[\\w[^\\W]*]";// 定义HTML标签的正则表达式[a-zA-Z]
p_script = Pattern.compile(regEx_script, Pattern.CASE_INSENSITIVE);
m_script = p_script.matcher(htmlStr);
htmlStr = m_script.replaceAll(""); // 过滤script标签
p_style = Pattern.compile(regEx_style, Pattern.CASE_INSENSITIVE);
m_style = p_style.matcher(htmlStr);
htmlStr = m_style.replaceAll("");// 过滤style标签
p_html = Pattern.compile(regEx_html, Pattern.CASE_INSENSITIVE);
m_html = p_html.matcher(htmlStr);
htmlStr = m_html.replaceAll("");// 过滤html标签
p_cont1 = Pattern.compile(regEx_cont1, Pattern.CASE_INSENSITIVE);
m_cont1 = p_cont1.matcher(htmlStr);
htmlStr = m_cont1.replaceAll("");// 过滤其它标签
p_cont2 = Pattern.compile(regEx_cont2, Pattern.CASE_INSENSITIVE);
m_cont2 = p_cont2.matcher(htmlStr);
htmlStr = m_cont2.replaceAll("");// 过滤html标签
textStr = htmlStr;
} catch (Exception e) {
System.err.println("Html2Text: " + e.getMessage());
}
return textStr;// 返回文本字符串
}

Html2Text

标签：

原文地址：http://www.cnblogs.com/bxczp/p/5722329.html