java代码去除页面标签,去除html标签

用java字符串方法去除HTML代码标签的问题

可以通过replaceAll方法进行字符串替换，之后替换的内容用正则表达式来匹配。举例

String ss="div id='mini_nav_qq'lia target='_top' " +

  "href='http:// lady.qq.com/emo/emotio.shtml'情感/a/lili" +

  "a target='_top' href=''美容/a/li/div";

String ss=ss.replaceAll("(/?\\S+)\\s*?[^]*?(/?)","$1$2");//通过只保留"“后面的字符串，之后删除空格和后面的内容，快捷的实现去除操作（此方法通用于所有的标签去除，只需要传入不同的ss值）。

结果就是：divlia情感/a/lilia美容/a/li/div。

相关问答

Q1: HTML/javascript 文本 清除 CSS 样式 代码 等标签 如何编写

1./?font[^]* 这个只却掉font标签的, 保留除font以外的所有标签, 如imgp等等. 同样的你需要去掉其他标签, 只需要将里面的font换你要去掉的；

2./?[^/?(img)|(p)][^]* 这个保留(这里我写的保留了img, p这两个标签)你指定的标签,其他的(包括font)全去掉, 如果你还有其他的标签想保留, 直接在里面加一个 |(xxx)；

3./?[a-zA-Z]+[^]* 这个表达式可以去掉所有HTML的标签；

4.JAVA代码可以这样写:

public static String delTagsFContent(String content){

String patternTag = "/?[a-zA-Z]+[^]*";

String patternBlank = "(^\\s*)|(\\s*$)";

return content.replaceAll(patternTag, "").replaceAll(patternBlank, "");

}

清除所有默认样式的css代码：

html, body, div, span, applet, object, iframe,

h1, h2, h3, h4, h5, h6, p, blockquote, pre,

a, abbr, acronym, address, big, cite, code，

del, dfn, em, font, img, ins, kbd, q, s, samp,

small, strike, strong, sub, sup, tt, var,

初始化代码（清除CSS代码）：

ul,li{ padding:0;margin:0;list-style:none}

解析清除ul li样式代码：

相等于分别对ul和li设置padding:0;margin:0;list-style:none；

padding:0 —— 设置内补白（对象内间距）为0

margin:0 —— 设置对象外间距为0

list-style:none —— 去除自带无序圆点

HTML/javascript

引用外部文件中的js脚本,

script type="text/javascript" src="ext.js"/script也可以象下面这样写，language不是必要的，但是推荐上面的写法；

script language="javascript" type="text/javascript" src="ext.js"/script

页面内引用：

script type="text/javascript"//![CDATA[var x = 0;function fn(args) { //...} //]]/script加上“//![CDATA[” 和 “//]]”是为了兼容XHTML，是推荐的写法，HTML时代一般用“!--”和“//--”

在一些HTML控件的事件属性中使用（一般事件为onxxx，如onmouseover,onclick,onchange）

body onload="alert('loaded');"input type="text" name="username" onclick="alert(this.value);" /在一些HTML控件的非事件属性中使用（注意：一定要加javascript:）

a href="javascript:void(0);" onclick="alert(this.innerText);"my blog:;/a

Q2: java如何去掉字符串中的 html标签

1.去除单个HTML标记

String s="asdfasdscriptasdfsfd/script1234";

System.out.println(s.replaceAll("script.*?(?=/script)",""));

2.去除所有HTML标记

import java.util.regex.Matcher;

import java.util.regex.Pattern;

public class HTMLSpirit{ ITjob 远标教育

public static String delHTMLTag(String htmlStr){

String regEx_script="script[^]*?[\\s\\S]*?\\/script"; //定义script的正则表达式

String regEx_style="style[^]*?[\\s\\S]*?\\/style"; //定义style的正则表达式

String regEx_html="[^]+"; //定义HTML标签的正则表达式

Pattern p_script=Pattern.compile(regEx_script,Pattern.CASE_INSENSITIVE);

Matcher m_script=p_script.matcher(htmlStr);

htmlStr=m_script.replaceAll(""); //过滤script标签

Pattern p_style=Pattern.compile(regEx_style,Pattern.CASE_INSENSITIVE);

Matcher m_style=p_style.matcher(htmlStr);

htmlStr=m_style.replaceAll(""); //过滤style标签

Pattern p_html=Pattern.compile(regEx_html,Pattern.CASE_INSENSITIVE);

Matcher m_html=p_html.matcher(htmlStr);

htmlStr=m_html.replaceAll(""); //过滤html标签

return htmlStr.trim(); //返回文本字符串

}

}

Q3: java 移除html标签的属性

针对于你提的问题，如果想去掉class和style属性必须对所需要去掉属性的标签增加id

以你提供的代码为例，首先需要增加id属性，修改后如下：

div class="content" id=“testdiv”

div id="t1"

文本1

/div

p class="bbb" id=“testp”

文本2.....font color='#00000'文本3/fontspan style="line-height:24px;"文本4/span

/p

/div

然后编写对应js代码，代码如下：

function delClass(){

$("#testdiv").removeClass("content");

$("#testp").removeClass("bbb");

}

上述代码可以去除Class

注：

如果程序为进入页面后调用则需要在body中增加onload方法也就是：onload="delClass();"

如果为点击式触发则在页面增加按钮，对按钮总方法onClick方法指定删除的js方法

希望回答对你有用。