使用正则表达式过滤HTML中标签

Java代码  

1. package com.tan.code;  
2.   
3. import java.util.regex.Pattern;  
4.   
5. public class DeleteHtml {  
6.   
7.     //去掉文本中的html标签  
8.       
9.     public static class HtmlText {  
10.         public static String Html2Text(String inputString) {  
11.             String htmlStr = inputString;  
12.             String textStr = "";  
13.             java.util.regex.Pattern p_script;  
14.             java.util.regex.Matcher m_script;  
15.             java.util.regex.Pattern p_style;  
16.             java.util.regex.Matcher m_style;  
17.             java.util.regex.Pattern p_html;  
18.             java.util.regex.Matcher m_html;  
19.   
20.             java.util.regex.Pattern p_html1;  
21.             java.util.regex.Matcher m_html1;  
22.   
23.             try {  
24.                 String regEx_script = "<[\\s]*?script[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?script[\\s]*?>"; // 定义script的正则表达式{或<script[^>]*?>[\\s\\S]*?<\\/script>  
25.                                                                                                             // }  
26.                 String regEx_style = "<[\\s]*?style[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?style[\\s]*?>"; // 定义style的正则表达式{或<style[^>]*?>[\\s\\S]*?<\\/style>  
27.                                                                                                         // }  
28.                 String regEx_html = "<[^>]+>"; // 定义HTML标签的正则表达式  
29.                 String regEx_html1 = "<[^>]+";  
30.                 p_script = Pattern.compile(regEx_script,  
31.                         Pattern.CASE_INSENSITIVE);  
32.                 m_script = p_script.matcher(htmlStr);  
33.                 htmlStr = m_script.replaceAll(""); // 过滤script标签  
34.   
35.                 p_style = Pattern  
36.                         .compile(regEx_style, Pattern.CASE_INSENSITIVE);  
37.                 m_style = p_style.matcher(htmlStr);  
38.                 htmlStr = m_style.replaceAll(""); // 过滤style标签  
39.   
40.                 p_html = Pattern.compile(regEx_html, Pattern.CASE_INSENSITIVE);  
41.                 m_html = p_html.matcher(htmlStr);  
42.                 htmlStr = m_html.replaceAll(""); // 过滤html标签  
43.   
44.                 p_html1 = Pattern  
45.                         .compile(regEx_html1, Pattern.CASE_INSENSITIVE);  
46.                 m_html1 = p_html1.matcher(htmlStr);  
47.                 htmlStr = m_html1.replaceAll(""); // 过滤html标签  
48.   
49.                 textStr = htmlStr;  
50.   
51.             } catch (Exception e) {  
52.                 System.err.println("Html2Text: " + e.getMessage());  
53.             }  
54.   
55.             return textStr;// 返回文本字符串  
56.         }  
57.     }  
58. }