忘记转载的谁的了，先复制了，谢谢 -

wolf880805

浏览: 7849 次
性别:
来自: 济南

最近访客更多访客>>

coreych

IXHONG

博主相关

博客

微博

相册

留言

关于我

文章分类

全部博客 (7)

社区版块

存档分类

忘记转载的谁的了，先复制了，谢谢

正则表达式 HTML

package vine.lc;

import java.util.ArrayList;       
import java.util.List;       
import java.util.regex.Matcher;       
import java.util.regex.Pattern;       
      
@SuppressWarnings({"unchecked" })       
public class CutHtml {       
    static String htmlMatch = "";       
      
    // 通过递归删除html文件中的配对的html标签       
      
    public static String removeMatchHtmlTag() {       
        // String html="<p></p><table><tr><td></td><td></td></tr></table>";       
        Pattern p = Pattern.compile("<([a-zA-Z]+)[^<>]*>(.*?)</\\1>");       
        Matcher m = p.matcher(htmlMatch);       
        if (m.find()) {       
        //  System.out.println(htmlMatch);       
            htmlMatch = htmlMatch.replaceAll("<([a-zA-Z]+)[^<>]*>(.*?)</\\1>","$2");       
      
            removeMatchHtmlTag();       
        }       
      
        return htmlMatch;       
    }       
      
    public static String subStringHTML(String param, int length, String endWith) {       
      
        if(length<1) {System.out.println("length must >0");return null;}       
               
        if(param.length()<length){return param;}       
               
        StringBuffer result = new StringBuffer();       
        StringBuffer str = new StringBuffer();       
        int n = 0;       
      
        char temp;       
      
        boolean isCode = false; // 是不是HTML代码       
        boolean isHTML = false; // 是不是HTML特殊字符,如       
        for (int i = 0; i < param.length(); i++) {       
            temp = param.charAt(i);       
            if (temp == '<') {       
                isCode = true;       
            }       
            else if (temp == '&') {       
                isHTML = true;       
            }       
            else if (temp == '>' && isCode) {       
                n = n - 1;       
                isCode = false;       
            }       
            else if (temp == ';' && isHTML) {       
                isHTML = false;       
            }       
            if (!isCode && !isHTML) {       
                n = n + 1;       
                // UNICODE码字符占两个字节       
                if ((temp + "").getBytes().length > 1) {       
                    n = n + 1;       
                }       
                str.append(temp);       
            }       
            result.append(temp);       
            if (n >= length) {       
                break;       
            }       
        }       
      
        result.append(endWith);       
        // 取出截取字符串中的HTML标记       
        String temp_result = result.toString().replaceAll("(>)[^<>]*(<?)","$1$2");       
      
        // 去掉不需要结束标记的HTML标记       
      
        temp_result = temp_result       
                .replaceAll("<(AREA|BASE|BASEFONT|BODY|BR|COL|COLGROUP|DD|DT|FRAME|HEAD|HR|HTML|IMG|INPUT|ISINDEX|LI|LINK|META|OPTION|P|PARAM|TBODY|TD|TFOOT|TH|THEAD|TR|area|base|basefont|body|br|col|colgroup|dd|dt|frame|head|hr|html|img|input|isindex|li|link|meta|option|p|param|tbody|td|tfoot|th|thead|tr)[^<>]*/>","");       
      
        // 去掉成对的HTML标记       
        // temp_result=temp_result.replaceAll("<([a-zA-Z]+)[^<>]*>(.*?)</\\1>","$2");       
        htmlMatch = temp_result;       
        temp_result = removeMatchHtmlTag();       
        //System.out.println("6666:" + temp_result);       
        // 用正则表达式取出标记       
      
        Pattern p = Pattern.compile("<([a-zA-Z]+)[^<>]*>");       
        Matcher m = p.matcher(temp_result);       
        List endHTML = new ArrayList();       
      
        while (m.find()) {       
            endHTML.add(m.group(1));       
        }       
      
        // 补全不成对的HTML标记       
        for (int i = endHTML.size() - 1; i >= 0; i--) {       
            result.append("</");       
            result.append(endHTML.get(i));       
            result.append(">");       
      
        }       
        return result.toString();       
      
    }       
      
    public static void main(String args[]) {       
        String param = "<html><p><p>0<img src=’http://www.baidu.com/dddddddddddddddddddddddddddddd/xx.gif’/>http://www.dukai168.cn &copy;</p><table><tr><td>678901</td><td>21111111111</td></tr></table></p></html>";       
        System.out.println(CutHtml.subStringHTML(param,28, "....."));       
    }       
      
}

分享到：