从字符串中删除 HTML 标签 [英] Remove HTML tags from a String

问题描述

有没有什么好方法可以从 Java 字符串中删除 HTML?一个简单的正则表达式，如

Is there a good way to remove HTML from a Java string? A simple regex like

replaceAll("\\<.*?>", "") 

会工作，但像 & 这样的东西不会被正确转换，两个尖括号之间的非 HTML 将被删除(即 .*? 中的正则表达式将消失).

will work, but things like & wont be converted correctly and non-HTML between the two angle brackets will be removed (i.e. the .*? in the regex will disappear).

推荐答案

使用 HTML 解析器而不是正则表达式.这对于 Jsoup 来说非常简单.

Use a HTML parser instead of regex. This is dead simple with Jsoup.

public static String html2text(String html) {
    return Jsoup.parse(html).text();
}

Jsoup 还支持针对可自定义的白名单删除 HTML 标签，这非常如果您只想允许例如、 和 .

Jsoup also supports removing HTML tags against a customizable whitelist, which is very useful if you want to allow only e.g. <b>, <i> and <u>.

• 正则表达式匹配除 XHTML 自包含标签之外的开放标签
• 有什么优点和领先的 Java HTML 解析器的缺点?
• JSP/Servlet Web 应用程序中的 XSS 预防

这篇关于从字符串中删除 HTML 标签的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！