Java过滤HTML标签，获取纯文本

有这样一个需求：

要将富文本内容保存到MySQL数据的一个字段中，比如保存的内容是：

<p>你好呀，沉默王二，坚持写作吧！</p>

然后需要从该内容中做模糊查询，比如条件是p。

如果对<p>你好呀，沉默王二，坚持写作吧！</p>字段内容不做任何处理，就直接like ‘%p%’查询的话，是有结果的。

但其实不应该有结果，因为真正的内容只是“你好呀，沉默王二，坚持写作吧！”，是没有p的。

你能想到的解决办法是什么呢？

1）存两个结果，<p>你好呀，沉默王二，坚持写作吧！</p>用来展示，“你好呀，沉默王二，坚持写作吧！”用来做查询。

2）存一个结果，查询的时候通过MySQL的存储过程+正则表达式将<p>你好呀，沉默王二，坚持写作吧！</p>中的HTML标签（p）过滤掉。

3）存一个结果，利用Java过滤掉<p>你好呀，沉默王二，坚持写作吧！</p>中的HTML标签（p），然后再通过Java做模糊查询。

第二种结果我认为最好，但是我还不会。

于是我先调查了第一种方案，有两种做法：

1）使用UEditor。

使用UEditor富文本编辑器的话，可以直接通过UEditor提供的两个API将带有HTML标签的内容和没有HTML标签的纯文本内容获取到。

2）Jsoup

将带有HTML标签的内容通过jsoup转换掉，将获取到的纯文本内容存储。

具体代码实现如下：

        Whitelist addTags = new Whitelist();        String safe = Jsoup.clean(unsafe, addTags);        System.out.println(safe);        System.out.println(Jsoup.parse(unsafe).text());

---

原创不易，快来关注：