java使用正则表达式去除字符串的html标签

     新闻内容或者博客文章，如果显示摘要，需要去除内容的html格式标签，找到一个正则表达式，实现了：

   

/**
	 * 删除input字符串中的html格式
	 * 
	 * @param input
	 * @param length
	 * @return
	 */
	public static String splitAndFilterString(String input, int length) {
		if (input == null || input.trim().equals("")) {
			return "";
		}
		// 去掉所有html元素,
		String str = input.replaceAll("\\&[a-zA-Z]{1,10};", "").replaceAll(
				"<[^>]*>", "");
		str = str.replaceAll("[(/>)<]", "");
		int len = str.length();
		if (len <= length) {
			return str;
		} else {
			str = str.substring(0, length);
			str += "......";
		}
		return str;
	}

 

非常感谢，刚刚用你的方法解决了在字符串去除HTML代码，我用的是ruby

def normal_word(str)
    str.gsub!(/\\&[a-zA-Z]{1,10};/,'')
    str.gsub!(/<[^>]*>/,'')
    str.gsub!(/[(\/>)<]/,'')
  end

非常感谢，刚刚用你的方法解决了在字符串去除HTML代码，我用的是ruby

这是我在做一个网站时候用到的，也是从网络上获取的，很高兴能够帮助别人。

\\&[a-zA-Z]{1,10};
什么作用啊!没有看明白啊!

\\& &字符
[a-zA-Z]{1,10} 任意字母(包含大小写)组成的字串,长度为1到10


匹配例如：< >   之类的字串

挺好的，正式我需要的。谢谢楼主分享

ruby中的方法

<%=h truncate(product.description.gsub(/<.*?>/,''),:length => 80, :truncate_string =>"……") %>

方法明显太过暴力，假如我的内容用<1><2><3>这样的形式来作为步骤的标示，那不是一样被删。
男人要绅士要优雅。

// 去掉所有html元素,   
String str = input.replaceAll("<[a-zA-Z]+[1-9]?[^><]*>", "")
                  .replaceAll("</[a-zA-Z]+[1-9]?>", "");

这样的数据表示在html代码里是不存在的吧，这些步骤标示被相应的html代码代替了