joan0106
- 浏览: 142572 次
- 性别:
- 来自: 杭州
-
文章分类
最新评论
-
skylcf：
整个页面的代码呢？
jquery动态添加行并计算总金额 -
dingherry：
没有大图中图，怎么做？
图片放大镜效果 -
yinjj472：
package com.yin.test;
public c ...
JAVA设计模式之单例模式 -
wangyu1221：
放在spring里面，是不是就不用那么多static priv ...
JAVA设计模式之单例模式 -
xurichusheng：
<p> </p>
<pre na ...
JAVA设计模式之单例模式
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Test {
/**
* @param args
*/
public static void main(String[] args) {
// TODO Auto-generated method stub
String content="<p>郎酒15年陈红花郎酒53°500ML，楼兰蛇龙珠戈壁干红（铁盒）750ML，组合
价699元。</p>";
Pattern patt=Pattern.compile("<[^>]+>([^<]*)</[^>]+>");
Matcher m=patt.matcher(content);
while(m.find()){
content=content.replaceFirst("<[^>]+>([^<]*)</[^>]+>", m.group(1).toString());
}
System.out.println(content);
//郎酒15年陈红花郎酒53°500ML，楼兰蛇龙珠戈壁干红（铁盒）750ML，组合价699元。
}
}
分享到：
评论
22 楼
sunofsummer
2011-02-25
JE上MM不少啊。:)
21 楼
fishinsky
2011-02-23
<.*?>
20 楼
cqllang
2011-01-08
jericho-html.jar 里的au.id.jericho.lib.html.Source有个getTextExtractor方法很好用。以前做对采集下来的网页去掉无用部分只要纯文本时用过：
使用方法类似：
使用方法类似：
String newstr = new Source(str).getTextExtractor();
19 楼
weiqiang.yang
2011-01-07
mfkvfn 写道
<([^>]*)>|</([^>]*)>
显然是不行的。
如果我有以下代码
<html>
<head>
<script>
var a=0;
//这是注释
for(var x=0;x<10 && x>5;x++){
//donothing
}
</script>
</head>
<body></body>
</html>
按你们的方式应该输出这样的内容吧？
var a=0;
//这是注释
for(var x=0;x5;x++){
//donothing
}
显然是不行的。
如果我有以下代码
<html>
<head>
<script>
var a=0;
//这是注释
for(var x=0;x<10 && x>5;x++){
//donothing
}
</script>
</head>
<body></body>
</html>
按你们的方式应该输出这样的内容吧？
var a=0;
//这是注释
for(var x=0;x5;x++){
//donothing
}
这么说的话。。。如果html里面有代码
System.out.println("<div>this is NOT HTML code!</div>");
那没有一个正则表达式能正确解析
可实际上并不是这样，因为"<"的html代码是<">"的html代码是>
18 楼
tedeyang
2011-01-07
17 楼
mfkvfn
2011-01-07
<([^>]*)>|</([^>]*)>
显然是不行的。
如果我有以下代码
<html>
<head>
<script>
var a=0;
//这是注释
for(var x=0;x<10 && x>5;x++){
//donothing
}
</script>
</head>
<body></body>
</html>
按你们的方式应该输出这样的内容吧？
var a=0;
//这是注释
for(var x=0;x5;x++){
//donothing
}
显然是不行的。
如果我有以下代码
<html>
<head>
<script>
var a=0;
//这是注释
for(var x=0;x<10 && x>5;x++){
//donothing
}
</script>
</head>
<body></body>
</html>
按你们的方式应该输出这样的内容吧？
var a=0;
//这是注释
for(var x=0;x5;x++){
//donothing
}
16 楼
boygirl
2011-01-07
很多情况还是要考虑的，百度下有很多 
15 楼
hebenben
2011-01-07
wxq136 写道
public static void main(String[] args) {
// TODO Auto-generated method stub
String content="<p>郎酒15年陈红花郎酒53°500ML，</br>楼兰蛇龙珠戈壁干红（铁盒）750ML，组合价699元。</p>";
String regxpForHtml = "<([^>]*)>|</([^>]*)>";
System.out.println(content.replaceAll(regxpForHtml, ""));
这个不是更简单
正解
14 楼
hebenben
2011-01-07
String.replaceAll("<([^>]*)>","")
这个简单点
这个简单点
13 楼
liusong1111
2011-01-06
我最近在用jsoup，确时是个好东西，可惜结合scala有问题，编译时报循环引用的错误，大概是scala编译器的bug。退到jsoup1.2.2就好了，缺少的功能只好用implicit conversion手工补了。
12 楼
hama
2011-01-06
python是这样
不知道这个正则在java下会怎么样
re_h=re.compile('</?\w+[^>]*>')
page=re_h.sub('',page)
不知道这个正则在java下会怎么样
11 楼
faylai
2011-01-06
我给个正则替换成空格就行了
html.replaceAll("<[^<>]*?>","")
html.replaceAll("<[^<>]*?>","")
10 楼
wxq136
2011-01-06
public static void main(String[] args) {
// TODO Auto-generated method stub
String content="<p>郎酒15年陈红花郎酒53°500ML，</br>楼兰蛇龙珠戈壁干红（铁盒）750ML，组合价699元。</p>";
String regxpForHtml = "<([^>]*)>|</([^>]*)>";
System.out.println(content.replaceAll(regxpForHtml, ""));
这个不是更简单
9 楼
wxq136
2011-01-06
有点看不懂
这样就可以了，为什么还需要
这句啊
public static void main(String[] args) {
// TODO Auto-generated method stub
String content="<p>郎酒15年陈红花郎酒53°500ML，楼兰蛇龙珠戈壁干红（铁盒）750ML，组合价699元。</p>";
Pattern patt=Pattern.compile("<[^>]+>([^<]*)</[^>]+>");
Matcher m=patt.matcher(content);
m.find()
System.out.println(m.group(1).toString());
//郎酒15年陈红花郎酒53°500ML，楼兰蛇龙珠戈壁干红（铁盒）750ML，组合价699元。
}
这样就可以了，为什么还需要
while(m.find()){
content=content.replaceFirst("<[^>]+>([^<]*)</[^>]+>", m.group(1).toString());
}
这句啊
8 楼
sdh5724
2011-01-06
完整的提取html文本是很复杂的事情， 通常情况下， 要实现按tag提取， 才能做到比较完善。 我曾经实现过一些， 主要用来做数据信息摘要。
实现html的解析
实现每个tag的处理机制
实现实体解析
这跟做html的安全显示也是一个道理。
如果小项目， 要求不高， 还是无所谓了。
象搜索引擎里， 提取文本数据那就更复杂了。难度就是抓取文本的主体。 虚拟可视化技术～
实现html的解析
实现每个tag的处理机制
实现实体解析
这跟做html的安全显示也是一个道理。
如果小项目， 要求不高， 还是无所谓了。
象搜索引擎里， 提取文本数据那就更复杂了。难度就是抓取文本的主体。 虚拟可视化技术～
7 楼
ordinary
2011-01-06
不知道这样截取有什么实际的应用，没有含义的文字，也没本质的价值吧！
如果仅仅只是去除< />之类的标签，我想if 。。。else也能实现，用通配符效率是不是太低了？
如果仅仅只是去除< />之类的标签，我想if 。。。else也能实现，用通配符效率是不是太低了？
6 楼
joan0106
2011-01-06
east_java 写道
使用jsoup，一行代码
http://www.java1995.cn/group/topic/111
http://www.java1995.cn/group/topic/111
还真不知道jsoup,今天先简单看了下,很不错哦,就是不知道有没有人研究过源码...
5 楼
superobin
2011-01-06
我关心的是如果遇到异常html会不会混乱。。。比如不关闭标签的html以及自结束的标签
4 楼
east_java
2011-01-05
使用jsoup，一行代码
http://www.java1995.cn/group/topic/111
http://www.java1995.cn/group/topic/111
3 楼
weiqiang.yang
2011-01-05
我是直接
<[a-zA-Z/]+?>
不过对<script>xxx</script>和<style></style>不好使，所以对于<script>和<style>提前用别的方式处理了
<[a-zA-Z/]+?>
不过对<script>xxx</script>和<style></style>不好使，所以对于<script>和<style>提前用别的方式处理了
发表评论
-
MyEclipse8.0M安装Extjs插件
2011-04-22 10:01 1254配置安装： 一、下载spket-1.6.16.rar的压缩的 ... -
有关Eclipse的一些总结
2011-04-19 10:06 21881.无法正常启动 MyEclipse启动遇到内部错误 ... -
eclipse 出现 !MESSAGE An error occurred while automatically activating bundle
2011-04-13 18:31 10761在使用eclipse时有时会无缘无故出现 ！MESSAGE A ... -
eclipse出现 Avaliable memory Is Low的问题
2011-04-07 18:16 1747如果没有进行设置的话 ... -
时间戳转化成date
2011-03-19 16:10 1363通常数据库中的日期格式都会存成一个时间戳，这样在页面上显示的时 ... -
freemarker内置函数和用法
2011-02-17 11:08 1054在我们应用Freemarker 过程中，经常会操作例如字符串 ... -
Struts2与Freemarker的配置方法
2011-02-17 11:00 3282Freemarker是模板引擎，也可以说是一种表现层的框架，它 ... -
JUnit测试,测试类和测试用例的命名规则
2011-01-21 18:00 20101.测试类的命名规则 Test+被测试的业务、被测试的接 ... -
java工作流
2011-01-12 10:35 1084java工作流 OSWorkflow OSWorkflow是 ... -
struts2的struts.properties配置文件详解
2011-01-11 10:10 777struts.action.extension ... -
如何同时启动两个tomcat
2011-01-06 09:28 5126比如：有两个版本的tomcat，一个5.*,一个6.*，此时由 ... -
JAVA设计模式之原型模式
2010-12-29 13:25 1396原型模式（ Prototype Pattern ） ... -
JAVA设计模式之单例模式
2010-12-29 10:02 1384singleton模式的实现 单线程的应用: JAVA代码 ... -
如何安装APK文件到自己的android手机里
2010-12-27 17:36 1901很多朋友刚拿到G1的时 ... -
Android安装和环境搭建
2010-12-24 11:43 1268最近在公司一直改购物商城,不断地完善,在空闲中开始学习andr ... -
有关java对象转换成Json
2010-11-04 10:51 1423Gson是google的一个开源项目,可以把java对象转换成 ... -
JAVA学习中有关socket编程
2010-11-04 10:28 849一个简单的socket案例 服务方: import java ... -
Java freemarker生成html页面
2010-09-13 15:12 3623public class FreemarkerTest { ...
相关推荐
在Java编程中，"java过滤html代码"是一个常见的需求，主要目的是为了安全考虑，比如防止XSS（跨站脚本攻击）或者为了提取纯文本内容。这个任务可以通过使用正则表达式来实现，正如描述中提到的那样。下面我们将详细...
在IT领域，尤其是在Web开发和数据处理中，Java HTML代码解析是一个重要的技术环节。这个话题主要涉及如何使用Java处理HTML文档，提取其中的数据或者进行内容分析。本文将深入探讨Java库Jsoup及其在HTML解析中的应用...
这个场景中，我们关注的是如何使用Java和正则表达式来移除HTML代码中的`<script>`标签，因为这些标签通常包含JavaScript代码，可能对页面的呈现或安全有特殊影响。下面我们将深入探讨这个话题。 首先，`<script>`...
在Java编程中，正则表达式是处理字符串和文本数据的强大工具，特别是在处理HTML时，我们经常需要对HTML代码进行清洗或格式化。本话题主要关注如何使用Java和正则表达式来移除HTML代码中的A标签，这些A标签通常用于...
6. **文本处理**：如果HTML转Java的目标是提取纯文本，可能需要去除HTML标签，只保留文本内容，这时可以使用Jsoup的`text()`方法或者自定义逻辑。 在提供的文件中，`java2html.java`可能是一个实现了将Java数据转换...
用正则表达式，去除字符串中的HTML代码并保留文字，图片，视频。
在Java开发中，有时我们需要处理从网页抓取的数据，这些数据通常包含HTML、CSS和JavaScript标签，为了进一步处理和分析这些文本，我们需要将其净化，即去除这些格式化标签。`UnHtmlScript`工具类就是为了解决这个...
接着，定义一个方法，接收HTML字符串作为参数，返回去除了IMG标签的字符串。在这个方法中，我们将编写正则表达式来匹配IMG标签： ```java public static String removeImgTags(String html) { // 正则表达式匹配...
本项目以"多线程搜索引擎java实现源代码"为标题，旨在介绍如何使用Java编程语言构建一个具备多线程特性的搜索引擎。这个搜索引擎可以抓取网络上的信息，存储网页快照，并建立索引，以便用户快速查询所需内容。下面...
本文档收集了多种实用的网页制作 Java 源代码，涵盖了去掉超链接的下划线、自动刷新网页、点击即可返回到上一页面、网页源代码保护、鼠标放上去按钮出现相应的说明文字等多种功能。这些代码段可以帮助网页开发者快速...
标题 "一键贴java、xml、html等代码到txt、word（bat命令合并代码）" 描述了一种利用批处理（BAT）脚本来批量处理代码文件，以便将它们粘贴到TXT或Word文档中的方法。这种方法对于程序员来说非常实用，可以节省在多...
通过上述讨论，我们可以看到使用Java编程语言去除非结构化HTML文本中的标签是一项实用且高效的技术。它不仅能够帮助我们在数据分析、文本处理等领域提高效率，还能为用户提供更加清晰、简洁的信息展示方式。当然，在...
Java程序把Word文档直接转换成Html文件 Java程序把Word文档直接转换成Html文件是通过使用Java和COM组件实现的。COM组件是Windows操作系统中的一种组件对象模型，它允许不同的应用程序之间进行交互。在本文中，我们...
在标签中，作者列出了四个关键词：“java 处理图片背景颜色”、“java 图片背景颜色替换”、“java 图片背景颜色更改”、“java 蓝底寸照批量转换为白底”，这些关键词都与 Java 处理图片背景颜色相关。 在部分内容...
【标题】：“基于Java开发的搜索引擎系统附源代码”是一个以Java编程语言为基础构建的搜索引擎项目的实践案例。这个项目不仅提供了完整的源代码，而且适用于Java技术的学生或开发者作为毕业论文的研究对象，帮助他们...
### Java实例源代码知识点概述 本篇文档将详细介绍《Java实例源代码》中涉及的关键知识点。根据提供的描述和部分内容，可以看出这是一本书籍中的源代码集合，书籍名为《Java实例详解》，第二版。该书作者为David ...
1. **清除HTML代码** - `clearHTMLToString(String args)` 方法接收一个包含HTML的字符串，然后使用正则表达式 `(?is)<(.*?)>` 来匹配并移除所有`和`>`之间的内容。`(?is)` 是正则表达式的标志，使匹配变得不区分大...
本主题将深入探讨“java常用代码方法”，重点关注ISBN（国际标准书号）的校验以及处理特殊符号的工具类。 一、ISBN校验 ISBN（International Standard Book Number）是全球图书的唯一标识符，通常包含10位或13位...
在IT行业中，数据抓取是一项重要的技能，尤其是在大数据...以上是关于“点评网美食数据抓取代码--java 实现”项目中的主要知识点。通过实践这些技术，不仅可以掌握网络爬虫的开发，还能提升Java编程和数据处理能力。
在Java编程中，处理HTML代码时，有时我们需要去除其中的注释信息，以减少冗余数据或准备进行进一步的解析。这个任务可以通过使用正则表达式来实现。正则表达式是模式匹配的强大工具，可以用来查找、替换或提取符合...