去除注释 去script

使用正则表达式及字符串操作，抽取网页信息，实现代码如下：　　/* 去script */　　public static String trimScript(String content) {　　String regEx = "<script[^>]*>[^<]+</script>";　　Pattern ...

       使用正则表达式及字符串操作，抽取网页信息，实现代码如下：
　　/* 去script */
　　public static String trimScript(String content) {
　　String regEx = "<script[^>]*>[^<]+</script>";
　　Pattern p = Pattern.compile(regEx);
　　Matcher m = p.matcher(content);
　　String result = content;
　　if (m.find()) {
　　result = m.replaceAll("");
　　}
　　return result;
　　}
　　/* 去除注释*/
　　public static String trimComment(String content) {
　　String regEx = "<!--[^-]*-->";
　　Pattern p = Pattern.compile(regEx);
　　Matcher m = p.matcher(content);
　　String result = content;
　　if (m.find()) {
　　result = m.replaceAll("");
　　}
　　return result;
　　}
　　/* 去除标签 */
　　public static String trimTag(String content) {
　　String regEx = "<[^>]+>";
　　Pattern p = Pattern.compile(regEx);
　　Matcher m = p.matcher(content);
　　String result = content;
　　if (m.find()) {
　　result = m.replaceAll("");
　　}
　　result = result.replace(" ", "").replace(">", "").replace(
　　">", "");
　　return result;
　　}
　　/* 根据起始位置和结束位置，考试.大提示截取字符串 */
　　public static String subString(String start, String end, String content) {
　　int iStart = content.indexOf(start);
　　int iEnd = content.indexOf(end);
　　if (iStart < iEnd) {
　　return content.substring(iStart, iEnd);
　　}
　　return null;
　　}

<!---->

评论

1 楼 kettas 2010-08-07  

顶，不错，我cao  太有用了。楼主，标记一下收藏