正则表达式删除html不会摆脱img标签

问题描述

| 我正在使用正则表达式删除HTML标签。我做的事-     result.replaceAll（\“ \\ <。*？\\> \”，\“ \”）; 但是，这并不能帮助我摆脱html中的img标签。知道这样做的好方法是什么？     

解决方法

        要给出更具体的建议，请使用JSoup（或NekoHTML）将HTML解析为Java对象。 有了“ 0”对象后，就可以轻松遍历该对象以删除标签。此食谱食谱展示了如何从DOM获取属性和文本。     ,        如果您不能使用HTML解析器/清理器，那么我至少建议您使用

Pattern.DOTALL

标志来处理多行HTML块。考虑如下代码：

String str = \"123 <img \\nsrc=\'ping.png\'>abd foo\";
Pattern pt = Pattern.compile(\"<.*?>\",Pattern.DOTALL);
Matcher matcher = pt.matcher(str);
StringBuffer sb = new StringBuffer();
while (matcher.find()) {
    matcher.appendReplacement(sb,\"\");
}
matcher.appendTail(sb);
System.out.println(\"Output: \" + sb);

输出值

Output: 123 abd foo

    ,        另一个建议是HtmlCleaner     ,        我只是在重申其他人已经说过的话，但是这一点不能被夸大：不要使用正则表达式来解析HTML。关于SO，有1,000个类似的问题。使用适当的HTML解析器，它将使您的生活变得更加轻松，并且更加健壮和可靠。看看Dom4j，Jericho，JSoup。请。     ,        因此，一段代码适合您。 我使用http://htmlparser.sourceforge.net/来解析HTML。它并不复杂，使用起来也很简单。 基本上看起来像这样：

import org.htmlparser.Parser;
import org.htmlparser.util.NodeList;
import org.htmlparser.util.ParserException;

    ...

    String html; /* read your HTML into variable \'html\' */
    String result=null;
    ....
    try {
        Parser p = new Parser(html);
        NodeList nodes = p.parse(null);
        result = nodes.asString();
    } catch (ParserException e) {
        e.printStackTrace();
    }

这将为您提供去除标签的纯文本（但不会固定像＆amp;这样的替代品）。当然，您可以使用此库做更多的事情，例如应用过滤器，访问者，迭代等等。     ,        使用html解析器代替。遍历对象，按您喜欢的方式打印并获得最佳效果。     ,        我已经可以使用以下代码片段实现此目的。

String htmlContent = values.get(position).getContentSnippet();
String plainTextContent = htmlContent.replaceAll(\"<img .*?/>\",\"\");

我使用上面的正则表达式来清理RSS内容中的img标签。