以零依赖从 Java 字符串中去除 HTML 标记答案

【问题标题】：Stripping out HTML tags from Java string with zero deps以零依赖从 Java 字符串中去除 HTML 标记
【发布时间】：2013-03-07 22:55:40
【问题描述】：

我知道这个问题非常类似于this one 和其他人。我有同样的问题（how to strip out HTML tags from a Java string?）与 added 约束，我不想添加任何依赖项（Apache Commons， Spring 等）添加到我的代码中。

所以我正在寻找许多其他框架使用的 HTML 标签剥离算法的“纯 Java SE”风格，但不确定从哪里开始。提前致谢。

【问题讨论】：

"..我不想在我的代码中添加任何依赖项（Apache Commons、Spring 等）。" 查看 java.magic 包。或者换一种说法，如果 J2SE 内置了它，您为什么认为会有这么多基于 Java 的第 3 方 API 来解析 HTML？
你不能模拟一堆String.replaceAll 电话所指的问题的公认解决方案吗？
转义 HTML 和去除 HTML 标签是完全不同的事情。你想做哪一个？
谢谢@AndrewThompson 我刚刚启动了 Eclipse 并搜索了java.magic，但什么也没看到？你确定这随JDK一起提供吗？再次感谢，+1！
谢谢@nhahtdh (+1) - 我想我想剥离他们？顺便问一下，是的区别是什么？再次感谢！

标签： java html regex string

【解决方案1】：

不显式使用 HTMLEditorKit：

    String html = "<html>...";
    JTextPane pane = new JTextPane();
    pane.setContentType("text/html");
    pane.setText(html);
    StyledDocument doc = pane.getStyledDocument();
    try {
        System.out.println("Text: " + doc.getText(0, doc.getLength()));
    } catch (BadLocationException ex) {
        Logger.getLogger(NewJFrame.class.getName()).log(Level.SEVERE, null, ex);
    }

【讨论】：