java正则表达式去除html标签

当我们用ckeditor或其他一些在线文本编辑器的时候 内容里会有很多的标签
如下片段:
<p><img alt="" src="/img/uploadImg/20131218/0fd741e1-cc75-459c-a8b5-bbaebcfcc637.jpg"
style="height:494px; width:460px" /></p>

<p>生命的旅途,一程有一程的风景,一程有一程的盛放。打开心灵的窗子,
静看时光旖旎着一曲花开花落,用一种看山是山,看水是水的境界来生活就会快乐,
人生的最美,便是来自心灵深处的通透与清欢。</p>

<p>——题记</p>

<p>喜欢在飘雪的午后,盈一眸恬静,书一抹情怀,看那雪花落入红尘最深处。
暂离尘世喧嚣,将心灵放空,尽情的体会那份旷达与纯净。生命的旅途中,
会有不期而遇的欣喜,也会有痛彻心扉的清醒,一地落红,氤氲了冷暖;一树梅开,
缱绻了浮华,雪如拂尘,能掸去俗世的无奈,也能让灵魂净化。</p>
包含一些图片,段落,换行等html标签
如果要进行统计字数,则就需要去除这些标签。用java正则 如下代码:
/**
 * 删除Html标签
 * 
 * @param inputString
 * @return
 */
public static String htmlRemoveTag(String inputString) {
	if (inputString == null)
		return null;
	String htmlStr = inputString; // 含html标签的字符串
	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 {
		//定义script的正则表达式{或<script[^>]*?>[\\s\\S]*?<\\/script>
		String regEx_script = "<[\\s]*?script[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?script[\\s]*?>"; 
		//定义style的正则表达式{或<style[^>]*?>[\\s\\S]*?<\\/style>
		String regEx_style = "<[\\s]*?style[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?style[\\s]*?>"; 
		String regEx_html = "<[^>]+>"; // 定义HTML标签的正则表达式
		p_script = Pattern.compile(regEx_script, Pattern.CASE_INSENSITIVE);
		m_script = p_script.matcher(htmlStr);
		htmlStr = m_script.replaceAll(""); // 过滤script标签
		p_style = Pattern.compile(regEx_style, Pattern.CASE_INSENSITIVE);
		m_style = p_style.matcher(htmlStr);
		htmlStr = m_style.replaceAll(""); // 过滤style标签
		p_html = Pattern.compile(regEx_html, Pattern.CASE_INSENSITIVE);
		m_html = p_html.matcher(htmlStr);
		htmlStr = m_html.replaceAll(""); // 过滤html标签
		textStr = htmlStr;
	} catch (Exception e) {
		e.printStackTrace();
	}
	return textStr;// 返回文本字符串
}


posted on 2013-12-23 17:57  itmyhome  阅读(442)  评论(0编辑  收藏  举报

导航