java过滤html标签获取纯文本信息

转载自 java过滤html标签获取纯文本信息

package com.lyt.base.util;


import java.util.regex.Pattern;


public class FilterHtmlUtil {

public static String Html2Text(String inputString){
    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{
         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> }
         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> }
         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
} 

}