如何解决正则表达式删除html不会摆脱img标签
| 我正在使用正则表达式删除HTML标签。我做的事- result.replaceAll(\“ \\ <。*?\\> \”,\“ \”); 但是,这并不能帮助我摆脱html中的img标签。知道这样做的好方法是什么?解决方法
要给出更具体的建议,请使用JSoup(或NekoHTML)将HTML解析为Java对象。
有了“ 0”对象后,就可以轻松遍历该对象以删除标签。此食谱食谱展示了如何从DOM获取属性和文本。
, 如果您不能使用HTML解析器/清理器,那么我至少建议您使用
Pattern.DOTALL
标志来处理多行HTML块。考虑如下代码:
String str = \"123 <img \\nsrc=\'ping.png\'>abd foo\";
Pattern pt = Pattern.compile(\"<.*?>\",Pattern.DOTALL);
Matcher matcher = pt.matcher(str);
StringBuffer sb = new StringBuffer();
while (matcher.find()) {
matcher.appendReplacement(sb,\"\");
}
matcher.appendTail(sb);
System.out.println(\"Output: \" + sb);
输出值
Output: 123 abd foo
, 另一个建议是HtmlCleaner
, 我只是在重申其他人已经说过的话,但是这一点不能被夸大:不要使用正则表达式来解析HTML。关于SO,有1,000个类似的问题。使用适当的HTML解析器,它将使您的生活变得更加轻松,并且更加健壮和可靠。看看Dom4j,Jericho,JSoup。请。
, 因此,一段代码适合您。
我使用http://htmlparser.sourceforge.net/来解析HTML。它并不复杂,使用起来也很简单。
基本上看起来像这样:
import org.htmlparser.Parser;
import org.htmlparser.util.NodeList;
import org.htmlparser.util.ParserException;
...
String html; /* read your HTML into variable \'html\' */
String result=null;
....
try {
Parser p = new Parser(html);
NodeList nodes = p.parse(null);
result = nodes.asString();
} catch (ParserException e) {
e.printStackTrace();
}
这将为您提供去除标签的纯文本(但不会固定像&amp;这样的替代品)。当然,您可以使用此库做更多的事情,例如应用过滤器,访问者,迭代等等。
, 使用html解析器代替。遍历对象,按您喜欢的方式打印并获得最佳效果。
, 我已经可以使用以下代码片段实现此目的。
String htmlContent = values.get(position).getContentSnippet();
String plainTextContent = htmlContent.replaceAll(\"<img .*?/>\",\"\");
我使用上面的正则表达式来清理RSS内容中的img标签。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。