Question

我有一个字符串生成器对象“ sb”，看起来像-

Hello.  How can I help you?<br>I don't know<br>Use the link <a 
href="www.google.com" target="_blank">Google</a><br>

这只是一个示例，它可以具有任何种类的html标签。如何从对象中删除所有可能的HTML标记（除了br标记）。

我一直在尝试使用下面的代码从sb对象中删除所有html标签，但似乎无法正常工作。另外，不确定如何为br标签设置例外。

sb.replaceAll("<.*?>", "");

Answer 1

就像我们都知道的那样，如果您试图捕获完整的标记数据并尝试对其进行操作，则强烈不建议使用正则表达式解析HTML。但是，如果您要剥离所有标签，或者有条件地剥离一些标签，例如在这种情况下，您想删除除 标签之外的所有标签，则可以使用此正则表达式，

<\/?(?!br>)\w+[^>]*>

说明：

<-标记的匹配开始
\/?-（可选）匹配/以匹配结束标记
(?!br>)-如果标记名称为br
\w+-匹配由单词字符组成的任何标签名称
[^>]*-（可选）允许标签属性匹配
>-标记的匹配结束

Demo

示例Java代码，

String s = "Hello.  How can I help you?<br>I don't know<br>Use the link <a \r\n" + 
        "href=\"www.google.com\" target=\"_blank\">Google</a></br>Hello.  <sometag>somedata</sometag> hey <br1>somedata</br2> hello <1br>somedata</1br> How can I help you?<br>I don't know<br>Use the link <a \r\n" + 
        "href=\"www.google.com\" target=\"_blank\">Google</a></br>";

System.out.println(s.replaceAll("</?(?!br>)\\w+[^>]*>", ""));

将其打印在其中，以删除除 和以外的所有标签，

Hello.  How can I help you?<br>I don't know<br>Use the link Google</br>Hello.  somedata hey somedata hello somedata How can I help you?<br>I don't know<br>Use the link Google</br>

编辑：如Lino在他的评论中所述，如果您的标签名称在br文本周围有可选的空格，则可以使用以下正则表达式来允许可选的空格，

<\s*\/?\s*(?!br\s*>)\w+[^>]*>

Demo allowing optional space in br tag

Answer 2

使用regex解析HTML不是一个好主意。如果您确定它始终是HTML，我建议您使用Jsoup，它将自动使用您的html并退还文档。

Document doc = Jsoup.parse(sb.toString());
printChilds(doc.body().childNodes());

    public static void printChilds(List<Node> node)
    {
        for (Node n : node)
        {
            if (n.childNodeSize() == 0)
                System.out.print(n.toString());
            else
                printChilds(n.childNodes());
        }
    }

将输出Hello. How can I help you? I don't know Use the link Google 

Sting Builder-删除除<br/>之外的所有html标签

2 个答案: