JAVA过滤标签实现将html内容转换为文本的方法示例

本文实例讲述了JAVA过滤标签实现将html内容转换为文本的方法。分享给大家供大家参考，具体如下：

public static String trimHtml2Txt(String html, String[] filterTags){
    html = html.replaceAll("\[\s\S]*?(?i)", "");//去掉head
    html = html.replaceAll("\", "");//去掉注释
    html = html.replaceAll("\", "");
    html = html.replaceAll("\]*>[\s\S]*?(?i)", "");//去掉样式
    html = html.replaceAll("\(?i)", "");//去掉js
    html = html.replaceAll("\]+>[\s\S]*?]+>(?i)", "");//去掉word标签
    html = html.replaceAll("\[\s\S]*?(?i)", "");
    html = html.replaceAll("\]*>|]*>||(?i)", "");
    html = html.replaceAll("\rn|n|r", " ");//去掉换行
    html = html.replaceAll("\]*>(?i)", "nr");
    List tags = new ArrayList();
    List s_tags = new ArrayList();
    List 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("");//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("\
(?i)", "nr");
    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();
}

PS：这里再为大家推荐一款功能类似的在线工具供大家参考使用：

在线html/js/css代码过滤工具
http://tools.jb51.net/code/htmlfilter

另外，关于正则操作，这里再为大家推荐两款相关在线工具：

Javascript正则表达式在线测试工具：
http://tools.jb51.net/regex/javascript

正则表达式在线生成工具：
http://tools.jb51.net/regex/create_reg

更多关于java算法相关内容感兴趣的读者可查看本站专题：《Java数据结构与算法教程》、《Java字符与字符串操作技巧总结》、《Java操作DOM节点技巧总结》、《Java文件与目录操作技巧汇总》和《Java缓存操作技巧汇总》

希望本文所述对大家java程序设计有所帮助。