有没有可以完全去除HTML标签的正则表达式？ 顺便说一句，我正在使用 Java。
【问题讨论】：
没有。正则表达式不能根据定义解析 HTML。
您可以对s/<[^>]*\>// 使用正则表达式或类似的简单方法，但这将是不够的，尤其是如果您有兴趣删除标签的内容。
正如另一位发帖者所说，使用实际的 HTML 解析器。
【讨论】：
您不需要任何 HTML 解析器。下面的代码删除了所有的 HTML cmets：
htmlString = htmlString.replaceAll("(?s)<!--.*?-->", "");
【讨论】：
JSoup 是一个用于 HTML 操作的 java 库。查看clean() 方法和WhiteList 对象。易于使用的解决方案！
【讨论】：
String plaintext = Jsoup.parse(html).text();
Jsoup.parse(html).text() 删除所有标签和空格，只留下一长行文本，而 new HtmlToPlainText().getPlainText(Jsoup.parse(html)) 以简单的方式格式化文本，保留换行符、段落、项目符号等。
你可以使用这个简单的代码来删除所有的html标签...
htmlString.replaceAll("\\<.*?\\>", ""))
【讨论】：
或者，如果您的意图是显示用户控制的输入返回给客户端，那么您也可以将所有&lt; 替换为&lt; 并将所有&gt; 替换为&gt; .这样，客户端的应用程序（网络浏览器）就不会按原样解释 HTML。
如果您使用 JSP 作为视图技术，那么您可以为此使用 JSTL 的c:out。默认情况下，它将转义所有 HTML 实体。比如
<c:out value="<script>alert('XSS');</script>" />
不会显示警报，而是按原样显示实际字符串。
【讨论】：
如果你只需要删除标签，那么你可以使用这个正则表达式：
content = content.replaceAll("<[^>]+>", "");
它只会删除标签，但不会删除其他 HTML 内容。对于更复杂的事情，您应该使用解析器。
编辑：为避免 HTML cmets 出现问题，您可以执行以下操作：
content = content.replaceAll("<!--.*?-->", "").replaceAll("<[^>]+>", "");
【讨论】：
.、^ 和 $，因此可以省略 s- 和 m 标志。
您应该改用 HTML 解析器。我喜欢htmlCleaner，因为它给了我一个漂亮的 HTML 打印版本。
使用 htmlCleaner 你可以做到：
TagNode root = htmlCleaner.clean( stream );
Object[] found = root.evaluateXPath( "//div[id='something']" );
if( found.length > 0 && found instanceof TagNode ) {
((TagNode)found[0]).removeFromTree();
}
【讨论】：