Regular expression to remove html tags in Java

Java中正则表达式去除html的标签，主要目的更精确的显示内容，比如前一段时间在做类似于博客中发布文章功能，当编辑器中输入内容后会将样式标签也传入后台并且保存数据库，但是在显示摘要的时候，比如显示正文的前50字作为摘要，那么这时需要去除所有html标签，然后在截取50字，所以就通过了Java正则表达式实现了如下方法，代码如下：

    注：这是Java正则表达式去除html标签方法。

private static final String regEx_script = "<script[^>]*?>[\\s\\S]*?<\\/script>"; // 定义script的正则表达式
  private static final String regEx_style = "<style[^>]*?>[\\s\\S]*?<\\/style>"; // 定义style的正则表达式
  private static final String regEx_html = "<[^>]+>"; // 定义HTML标签的正则表达式
  private static final String regEx_space = "\\s*|\t|\r|\n";// 定义空格回车换行符
  private static final String regEx_w = "<w[^>]*?>[\\s\\S]*?<\\/w[^>]*?>";//定义所有w标签
/**
   * @param htmlStr
   * @return 删除Html标签
   * @author LongJin
   */
  public static String delHTMLTag(String htmlStr) {
    Pattern p_w = Pattern.compile(regEx_w, Pattern.CASE_INSENSITIVE);
    Matcher m_w = p_w.matcher(htmlStr);
    htmlStr = m_w.replaceAll(""); // 过滤script标签
    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
    Pattern p_space = Pattern.compile(regEx_space, Pattern.CASE_INSENSITIVE);
    Matcher m_space = p_space.matcher(htmlStr);
    htmlStr = m_space.replaceAll(""); // 过滤空格回车标签
    htmlStr = htmlStr.replaceAll(" ", ""); //过滤 
    return htmlStr.trim(); // 返回文本字符串
  }

更多Java中正则表达式去除html标签相关文章请关注PHP中文网！