从字符串中删除HTML标签

一尘不染

html

是否有从Java字符串中删除HTML的好方法？一个简单的正则表达式

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

会起作用，但是&不会正确转换，并且两个尖括号之间的非HTML也会被删除（即.*?，正则表达式中的将会消失）。

阅读 643

2020-05-10

共1个答案

一尘不染

使用HTML解析器代替正则表达式。对于Jsoup来说，这简直太简单了。

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

Jsoup还支持对可定制的白名单，如果你希望只允许例如这是非常有用的去除HTML标签<b>，<i>和<u>。

2020-05-10