/** * 把html內容轉為文本 * * @param html 需要處理的html文本 * @param filterTags 需要保留的html標簽樣式 */ public static String trimHtml2Txt(String html, String[] filterTags) { html = html.replaceAll("\\<head>[\\s\\S]*?</head>(?i)", "");// 去掉head html = html.replaceAll("\\<!--[\\s\\S]*?-->", "");// 去掉注釋 html = html.replaceAll("\\<![\\s\\S]*?>", ""); html = html.replaceAll("\\<style[^>]*>[\\s\\S]*?</style>(?i)", "");// 去掉樣式 html = html.replaceAll("\\<script[^>]*>[\\s\\S]*?</script>(?i)", "");// 去掉js html = html.replaceAll("\\<w:[^>]+>[\\s\\S]*?</w:[^>]+>(?i)", "");// 去掉word標簽 html = html.replaceAll("\\<xml>[\\s\\S]*?</xml>(?i)", ""); html = html.replaceAll("\\<html[^>]*>|<body[^>]*>|</html>|</body>(?i)", ""); html = html.replaceAll("\\\r\n|\n|\r", " ");// 去掉換行 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) ? "" : ">"));// 開始標簽 if (!"img".equals(tag)) tags.add("</" + tag + ">");// 結束標簽 s_tags.add("#REPLACETAG" + tag + (halfTag.contains(tag) ? "" : "REPLACETAG#"));// 盡量替換為復雜一點的標記,以免與顯示文本混合,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(); }
將html內容轉為文本的函數
免責聲明！
本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。