|
锁定老帖子 主题：java去除html代码
精华帖 (0) :: 良好帖 (0) :: 新手帖 (0) :: 隐藏帖 (9)
|
|
|---|---|
| 作者 | 正文 |
|
发表时间：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 |
| 返回顶楼 | |
|
发表时间：2011-01-06
我给个正则替换成空格就行了
html.replaceAll("<[^<>]*?>","") |
| 返回顶楼 | |
|
发表时间：2011-01-06
python是这样
re_h=re.compile('</?\w+[^>]*>')
page=re_h.sub('',page)
不知道这个正则在java下会怎么样 |
| 返回顶楼 | |
|
发表时间：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。
|
| 返回顶楼 | |
|
发表时间：2011-01-07
String.replaceAll("<([^>]*)>","")
这个简单点 |
| 返回顶楼 | |
|
发表时间：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
|
| 返回顶楼 | |
|
发表时间：2011-01-07
很多情况还是要考虑的，百度下有很多
|
| 返回顶楼 | |
|
发表时间：2011-01-07
最后修改：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 } |
| 返回顶楼 | |
|
发表时间：2011-01-07
|
| 返回顶楼 | |
|
发表时间：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 } 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> |
| 返回顶楼 | |
