java正则表达式去除html标签

时间：2024-07-11 18:03:26

当我们用ckeditor或其他一些在线文本编辑器的时候 内容里会有很多的标签

如下片段： 
<p><img alt="" src="/img/uploadImg/20131218/0fd741e1-cc75-459c-a8b5-bbaebcfcc637.jpg"

style="height:494px; width:460px" /></p>

<p>生命的旅途，一程有一程的风景，一程有一程的盛放。打开心灵的窗子，

静看时光旖旎着一曲花开花落，用一种看山是山，看水是水的境界来生活就会快乐，

人生的最美，便是来自心灵深处的通透与清欢。</p>

<p>——题记</p>

<p>喜欢在飘雪的午后，盈一眸恬静，书一抹情怀，看那雪花落入红尘最深处。

暂离尘世喧嚣，将心灵放空，尽情的体会那份旷达与纯净。生命的旅途中，

会有不期而遇的欣喜，也会有痛彻心扉的清醒，一地落红，氤氲了冷暖；一树梅开，

缱绻了浮华，雪如拂尘，能掸去俗世的无奈，也能让灵魂净化。</p>

包含一些图片，段落，换行等html标签

如果要进行统计字数，则就需要去除这些标签。用java正则 如下代码：
/**

 * 删除Html标签

 *

 * @param inputString

 * @return

 */

public static String htmlRemoveTag(String inputString) {

	if (inputString == null)

		return null;

	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;

	try {

		//定义script的正则表达式{或<script[^>]*?>[\\s\\S]*?<\\/script>

		String regEx_script = "<[\\s]*?script[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?script[\\s]*?>";

		//定义style的正则表达式{或<style[^>]*?>[\\s\\S]*?<\\/style>

		String regEx_style = "<[\\s]*?style[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?style[\\s]*?>";

		String regEx_html = "<[^>]+>"; // 定义HTML标签的正则表达式

		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

		textStr = htmlStr;

	} catch (Exception e) {

		e.printStackTrace();

	}

	return textStr;// 返回文本字符串

}

相关文章