/** * 把html内容转为文本 * * @param html 需要处理的html文本 * @param filterTags 需要保留的html标签样式 */ public static String trimHtml2Txt(String html, String[] filterTags) { html = html.replaceAll("\\<head>[\\s\\S]*?</head>(?i)", "");// 去掉head html = html.replaceAll("\\<!--[\\s\\S]*?-->", "");// 去掉注释 html = html.replaceAll("\\<![\\s\\S]*?>", ""); html = html.replaceAll("\\<style[^>]*>[\\s\\S]*?</style>(?i)", "");// 去掉样式 html = html.replaceAll("\\<script[^>]*>[\\s\\S]*?</script>(?i)", "");// 去掉js html = html.replaceAll("\\<w:[^>]+>[\\s\\S]*?</w:[^>]+>(?i)", "");// 去掉word标签 html = html.replaceAll("\\<xml>[\\s\\S]*?</xml>(?i)", ""); html = html.replaceAll("\\<html[^>]*>|<body[^>]*>|</html>|</body>(?i)", ""); html = html.replaceAll("\\\r\n|\n|\r", " ");// 去掉换行 html = html.replaceAll("\\<br[^>]*>(?i)", "\n\r"); List<String> tags = new ArrayList<String>(); List<String> s_tags = new ArrayList<String>(); List<String> halfTag = Arrays.asList(new String[] { "img", "table", "thead", "th", "tr", "td" });// if (filterTags != null && filterTags.length > 0) { for (String tag : filterTags) { tags.add("<" + tag + (halfTag.contains(tag) ? "" : ">"));// 开始标签 if (!"img".equals(tag)) tags.add("</" + tag + ">");// 结束标签 s_tags.add("#REPLACETAG" + tag + (halfTag.contains(tag) ? "" : "REPLACETAG#"));// 尽量替换为复杂一点的标记,以免与显示文本混合,如：文本中包含#td、#table等 if (!"img".equals(tag)) s_tags.add("#REPLACETAG/" + tag + "REPLACETAG#"); } } html = StringUtils.replaceEach(html, tags.toArray(new String[tags.size()]), s_tags.toArray(new String[s_tags.size()])); html = html.replaceAll("\\</p>(?i)", "\n\r"); html = html.replaceAll("\\<[^>]+>", ""); html = StringUtils.replaceEach(html, s_tags.toArray(new String[s_tags.size()]), tags.toArray(new String[tags.size()])); html = html.replaceAll("\\ ", " "); return html.trim(); }
将html内容转为文本的函数
免责声明！
本站转载的文章为个人学习借鉴使用，本站对版权不负任何法律责任。如果侵犯了您的隐私权益，请联系本站邮箱yoyou2525@163.com删除。