把html转化成string代码

时间:2021-07-04 14:54:39
public static String htmlToText(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;


        java.util.regex.Pattern p_html1;
        java.util.regex.Matcher m_html1;


        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_html1 = "<[^>]+";
            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_html1 = Pattern.compile(regEx_html1, Pattern.CASE_INSENSITIVE);
            m_html1 = p_html1.matcher(htmlStr);
            htmlStr = m_html1.replaceAll(""); // 过滤html标签


            textStr = htmlStr;


        } catch (Exception e) {
            // System.err.println("Html2Text: " + e.getMessage());
        }
        // 特殊标签过滤
        if (textStr.contains("&ldquo;")) {
            textStr = textStr.replace("&ldquo;", "“");
        }
        if (textStr.contains("&rdquo;")) {
            textStr = textStr.replace("&rdquo;", "”");
        }
        if (textStr.contains("&nbsp;")) {
            textStr = textStr.replace("&nbsp;", "");
        }
        if (textStr.contains("&nbsp;")) {
            textStr = textStr.replace("&nbsp;", "");
        }
        if (textStr.contains("<br/>")) {
            textStr = textStr.replace("<br/>", "");
        }
        if (textStr.contains("\n")) {
            textStr = textStr.replace("\n", "");
        }


        return textStr;// 返回文本字符串
    }