如何在 Java 中删除 HTML 及其内容？ [关闭]答案

【问题标题】：How to delete HTML and it's content in Java? [closed]如何在 Java 中删除 HTML 及其内容？ [关闭]
【发布时间】：2013-08-25 22:39:53
【问题描述】：

我有字符串Foo。我想从这个字符串中删除 HTML 标签，即使它的内容也是如此。在此示例中，表达式必须返回 ""（空字符串）。我该怎么做？

【问题讨论】：

你的意思是null，或者你的意思是一个空字符串"" ??
可能重复stackoverflow.com/questions/1265282/…
您的数据是否可以包含与xyz 相同的嵌套标签？如果是，那么在 Java 中使用正则表达式可能是不可能的，因为它还不支持递归。
你可以用状态机来做
没有。我的字符串看起来像barfoo。我想要的只是bar

标签： java html regex

【解决方案1】：

如果您尝试删除的 html 没有任何嵌套的 html 标签；这是一个简单的基于正则表达式的解决方案。为方便起见，您可以将标签名称分配给tag，正则表达式会相应调整。

String tag = "strong";
String str = "This is <strong>Foo</strong>Bar.";

String regex = "<\\s*" + tag + "[^>]*>[^<]*</\\s*" + tag + "\\s*>";

System.out.println(str.replaceAll(regex, "")); // This is Bar.

正则表达式适用于任何额外的标签属性，例如 等。~~但如果~~可能会中断，并且已更新以处理格式稍有错误的 html，例如不必要的空格或新行.

【讨论】：

【解决方案2】：

既然你声称你没有嵌套标签，你可以尝试使用"<([^>]+)>.*?</\\1>

String data = "bar<strong>foo</strong>yyy<strong>zzz</strong>";
System.out.println(data.replaceAll("<([^>]+)>.*?</\\1>", ""));

输出

baryyy

【讨论】：

@downvoter 愿意解释你的行为吗？