1、應用場景：從一份html文件中或從String（是html內容）中提取純文本，去掉網頁標籤；
2、代碼一： replaceAll搞定
//從html中提取純文本public static String StripHT(String strHtml) { String txtcontent = strHtml.replaceAll("</?[^>]+>", ""); //剔出<html>的標籤txtcontent = txtcontent.replaceAll("<a>//s*|/t|/r|/n</a>", "");//去除字符串中的空格,回車,換行符,製表符return txtcontent; }3、代碼二：正則表達式搞定
//從html中提取純文本public static String Html2Text(String inputString) {String htmlStr = inputString; // 含html標籤的字符串String textStr = "";java.util.regex.Pattern p_script;java.util.regex.Matcher m_script;java.util.regex.Pattern p_style;java.util.regex.Matcher m_style;java.util.regex.Pattern p_html;java.util.regex.Matcher m_html;try {String regEx_script = "<[//s]*?script[^>]*?>[//s//S]*?<[//s]*?///[//s]*?script[//s]*?>"; // 定義script的正則表達式{或<script[^>]*?>[//s//S]*?<///script> String regEx_style = "<[//s]*?style[^>]*?>[//s//S]*?<[//s]*?///[//s]*?style[//s]*?>"; // 定義style的正則表達式{或<style[^>]*?>[//s//S]*?<///style> String regEx_html = "<[^>]+>"; // 定義HTML標籤的正則表達式p_script = Pattern.compile(regEx_script, Pattern.CASE_INSENSITIVE); m_script = p_script.matcher(htmlStr); htmlStr = m_script.replaceAll(""); // 過濾script標籤p_style = Pattern.compile(regEx_style, Pattern.CASE_INSENSITIVE); m_style = p_style.matcher(htmlStr); htmlStr = m_style.replaceAll(""); // 過濾style標籤p_html = Pattern.compile(regEx_html, Pattern.CASE_INSENSITIVE); m_html = p_html.matcher(htmlStr); htmlStr = m_html.replaceAll(""); // 過濾html標籤textStr = htmlStr; } catch (Exception e) {System.err.println("Html2Text: " + e.getMessage()); }//剔除空格行textStr=textStr.replaceAll("[ ]+", " ");textStr=textStr.replaceAll("(?m)^//s*$(//n|//r//n)", "");return textStr;// 返回文本字符串}4、代碼三： HTMLEditorKit.ParserCallback搞定，Java自帶的類
package com.util;import java.io.*;import javax.swing.text.html.*;import javax.swing.text.html.parser.*;public class Html2Text extends HTMLEditorKit.ParserCallback { StringBuffer s; public Html2Text() {} public void parse(Reader in) throws IOException { s = new StringBuffer(); ParserDelegator delegator = new ParserDelegator(); // the third parameter is TRUE to ignore charset directive delegator.parse(in, this, Boolean.TRUE); } public void handleText(char[] text, int pos) { s.append(text); } public String getText() { return s.toString(); } public static void main (String[] args) { try { // the HTML to convert //Reader in=new StringReader("string"); FileReader in = new FileReader("java-new.html"); Html2Text parser = new Html2Text(); parser.parse(in); in.close(); System.out.println(parser.getText()); } catch (Exception e) { e.printStackTrace(); } }}以上這篇Java實現從Html文本中提取純文本的方法就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持武林網。