正則匹配html標簽以及內容

1. 匹配所有標簽 </?[a-zA-Z! ="-\d]*>
   

2. 匹配閉合標簽以及里面內容 <[a-zA-Z! ="-\d]*>[^</>]*</[a-zA-Z! ="-\d]*>
   

---

java使用要對-進行轉義:

• </?[a-zA-Z! ="\-\d]*>
• <[a-zA-Z! ="\-\d]*>[^</>]*</[a-zA-Z! ="\-\d]*>

/**
 * @author linyufeng.
 * @date 2021/2/3 13:34
 **/
public class TextUtil {

    // 去除html標簽
    public static String disHtml(String str) {
        return str.replaceAll("</?[a-zA-Z! =\"\\-\\d]*>", "");
    }

    // 去除html標簽以及里面內容
    public static String disAllHtml(String str) {
        return str.replaceAll("<[a-zA-Z! =\"\\-\\d]*>[^</>]*</[a-zA-Z! =\"\\-\\d]*>", "");
    }

}

• ((?!abc).)* 否定向前語法, 可以幫助我們去除指定前綴的字符串;
• [^abc]范圍比較大,不能起到只過濾abc的目的;

所以,上述優化格式為: <[a-zA-Z! ="\-\d]*>((?!</).)*</[a-zA-Z! ="\-\d]*>