日期:2014-05-17  浏览次数:20652 次

java使用正则表达式去除字符串的html标签
public class Test {

	/**
	 * @param args
	 */
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		String atr="<pre class=\"reply-text mb10\" id=\"content-862802486\" style=\"margin-top:0px;margin-bottom:10px;padding-top:0px;padding-right:0px;padding-bottom:0px;padding-left:0px;font-family:Arial;white-space:pre-wrap;word-wrap:break-word;zoom:1;font-size:14px;line-height:24px;background-color:#FFFFFF;\">你这个错就错在使用了.*" +
				"在正则里.<br/>指的是匹配所有字符,而且是匹配优先,对于你这个正则来说到&lt;a\\shref=\"(http:为止都是正常的,但后面的.*就会一直匹配到文件的最后,因为对于.*来说是匹配所有字符,所以后面的一切都是匹配的.匹配到最后结尾时,再来进行结尾检查,但你的正则是以&lt;/a&gt;结尾的,不符合,所以就再回头向回一个个的查,一直查到(.*[^&gt;])中的.*匹配.好了,最后你这个表达式最终的结果其实就是匹配以&lt;a\\shref=\"(http: 开头,以[^&gt;])&lt;/a&gt;结尾,中间是任意字符的表达式 </pre>";
		
		System.out.println(splitAndFilterString(atr,100));
	}

	    /** 
	         * 删除input字符串中的html格式 
	         *  
	         * @param input 
	        * @param length 
	         * @return 
	         */  
	        public static String splitAndFilterString(String input, int length) {  
	            if (input == null || input.trim().equals("")) {  
	               return "";  
	           }  
	           // 去掉所有html元素,  
	          String str = input.replaceAll("\\&[a-zA-Z]{1,10};", "").replaceAll(  
	                   "<[^>]*>", "");  
	           str = str.replaceAll("[(/>)<]", "");  
	          int len = str.length();  
	           if (len <= length) {  
	               return str;  
	           } else {  
	               str = str.substring(0, length);  
	               str += "...";  
	          }  
	           return str;  
	       }  
}