java去除html代码

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。
	}

}

 

上帝啊。。。如果都是平衡的标签， 如果html有很多换行都没有问题。

自结束的标签行不行<div />类型的

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

使用jsoup，一行代码
http://www.java1995.cn/group/topic/111

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

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...

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？

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～

有点看不懂

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