除了特定标签之外，如何删除 HTML 文件中的所有 <...> ？ [关闭]答案

【问题标题】：How do I remove all <…> inside an HTML file besides a specific tag? [closed]除了特定标签之外，如何删除 HTML 文件中的所有 <...> ？ [关闭]
【发布时间】：2016-03-21 09:10:02
【问题描述】：

请参阅我有以下 HTML 文件。我想删除除

之外的所有标签

&lt;A href="MarineMammal.html"&gt;marine mammals.&lt;/A&gt;

我能够删除所有标签，但不知道如何保留特定标签。我希望能够得到上面标签周围的单词。这些词不应包含标签。谢谢！

<TITLE> Whale </TITLE>
<H2> Whale </H2>
(from Wikipedia)

<p>
Whale is the common name for a widely distributed and diverse group of 
fully aquatic placental 
<A href="MarineMammal.html">marine mammals.</A>. They are an informal grouping 
within the infraorder <A href="Cetacean.html">Cetacea,</A> usually excluding 
<A href="Dolphin.html">dolphins</A> and 
<A href="Porpoise.html">porpoises.</A> 
Whales, dolphins and porpoises belong to the order Cetartiodactyla with 
even-toed 
<A href="Ungulate.html">ungulates</A> and their 
closest living relatives are the 
<A href="Hippopotamus.html">hippopotamuses,</A> having 
diverged about 40 million years ago.

【问题讨论】：

您尝试过什么吗，请显示一些代码，到目前为止您尝试过什么？在 java 中解析 html 有很多很好的答案。这听起来像你想要的：stackoverflow.com/questions/240546/…
对不起，我可以在几分钟前发表评论，因为没有为 SO 启用 javascript。
如果你解释你想要实现什么，它会更容易帮助你

标签： java html string parsing

【解决方案1】：

this question 中已经讨论了很多方法来做到这一点

最简单的可能是this one:

replaceAll("\\<[^>]*>","")

【讨论】：

那个正则表达式不好 - HTML 不需要在引用的属性值内转义 >。这个更好：<([^"'>]|"[^"]*"|'[^']*')+>