java怎么去掉html标签

java去掉html标签的方法：1、通过纯正则方法去掉html标签；2、使用“javax.swing.text.html.HTMLEditorKit”去掉html标签；3、通过使用Jsoup框架去掉html标签等等。

本文操作环境：windows7系统、Java8.0&&HTML5版，DELL G3电脑

Java去掉html标签的各种姿势

一、背景

业务开发中可能需要将html的标签全部去掉，本文将多种方法综合在这里，供大家参考。

二、方法

2.1 纯正则方法

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>"; //定义script的正则表达式          String regEx_style="<style[^>]*?>[\s\S]*?<\/style>"; //定义style的正则表达式          String regEx_html="<[^>]+>"; //定义HTML标签的正则表达式                    Pattern p_script=Pattern.compile(regEx_script,Pattern.CASE_INSENSITIVE);          Matcher m_script=p_script.matcher(htmlStr);          htmlStr=m_script.replaceAll(""); //过滤script标签                    Pattern p_style=Pattern.compile(regEx_style,Pattern.CASE_INSENSITIVE);          Matcher m_style=p_style.matcher(htmlStr);          htmlStr=m_style.replaceAll(""); //过滤style标签                    Pattern p_html=Pattern.compile(regEx_html,Pattern.CASE_INSENSITIVE);          Matcher m_html=p_html.matcher(htmlStr);          htmlStr=m_html.replaceAll(""); //过滤html标签           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);     }   } }

【推荐：java视频教程】

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();     }   } }

注意这里经过本人实验有个小坑，WriteOutContentHandler参数是限制的字符数，这个如果不设置默认是1万，超过会报异常。

具体的jar包请自行到中央仓库里搜索依赖配置

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

三、提供一个工具类

可以将资源路径的文本类型文件（如json/html）读取成字符串

public class ResourceUtil {     /**      * 根据当前类路径，获取资源文件夹对应文件的所有字符串      *      * @param currentClass 如 this.class      * @param resourcePath 如 /data/json/xxx.json （相对于resources文件夹）      */     public static String resource2String(Class currentClass, String resourcePath) throws IOException {         return IOUtils.toString(new FileReader(new File(currentClass.getResource(resourcePath).getFile())));     }  }

四、总结

这里提供了多种去除html标签的方式，建议先测试好再实际使用。

测试时读取资源文件可以使用第三节提供的工具类。

如果正则表达式无法满足你的需求，自己进一步优化即可。

如果其他方式仍然有特殊情况没有考虑到，可以自己先用正则去除这种特殊情况。

总之这里只是一种参考，提供了多种解决方案。