急求:正则过滤WORD转换成的HTML的标签
用户发新闻时经常粘贴word里的东西,HTML代码见最下面
新闻列表页要取这样的内容的前200个字,如何过滤.从网上搜的只能过滤一般的html标签,不能过滤如
<?xml:namespace   prefix   =   o   ns   =   "urn:schemas-microsoft-com:office:office "   /> 这样的,
截取前200个字符时可能会形成断位,如下也要过滤掉
<?xml:namespace   prefix   =   o   ns   =   "urn:schemas-microsoft-com:office:office
这会导致新闻列表页表格混乱等.时间急,请大师们帮忙!


<P   class=MsoNormal   style= "MARGIN:   0cm   0cm   0pt> <SPAN   style= "FONT-SIZE:   9pt;   FONT-FAMILY:   宋体;   mso-bidi-font-family:   宋体;   mso-font-kerning:   0pt "> 浸四氟苎麻盘根、高水基盘根、高档油浸棉纱盘根、普通油浸棉纱盘根、 <SPAN   lang=EN-US> <?xml:namespace   prefix   =   o   ns   =   "urn:schemas-microsoft-com:office:office "   /> <o:p> </o:p> </SPAN> </SPAN> </P>     <P   class=MsoNormal   style= "MARGIN:   0cm   0cm   0pt "> <SPAN   style= "FONT-SIZE:   9pt;   FONT-FAMILY:   宋体;   mso-bidi-font-family:   宋体;   mso-font-kerning:   0pt "> 纤维类盘根应用广泛， <SPAN   lang=EN-US> &nbsp; </SPAN> 根据各自不同的优良性能可用于 </SPAN

------解决方案--------------------
<[^> ]+> | </[^> ]+>

public String clearHtml(String str){

Pattern p = Pattern.compile( " <[^> ]+> | </[^> ]+> ",Pattern.CASE_INSENSITIVE );

Matcher m = p.matcher(str);

return m.replaceAll( " ");

}