Sting builder - 删除除 <br> 之外的所有 html 标签

Question

我有一个字符串生成器对象“sb”，它看起来像 -Hello.  How can I help you?<br>I don't know<br>Use the link <a href="www.google.com" target="_blank">Google</a><br>这只是一个示例，它可以有任何类型的 html 标签。如何从对象中删除除 br 标记之外的所有可能的 HTML 标记。我一直在尝试使用下面的代码从 sb 对象中删除所有 html 标签，但它似乎不起作用。另外，不确定如何为 br 标签设置例外。sb.replaceAll("<.*?>", "");

Answer 1

众所周知，如果您尝试捕获完整的标签数据并尝试对其进行操作，强烈建议不要使用正则表达式解析 HTML。但是如果你只是想去掉所有标签，或者有条件地去掉一些标签，比如在这种情况下，你想删除除标签之外的所有<br>标签，你可以使用这个正则表达式，

<\/?(?!br>)\w+[^>]*>

解释：

• <- 匹配标签的开始

• \/?- 可选地匹配/匹配的结束标签

• (?!br>)- 如果标签名称是，则拒绝匹配br

• \w+- 匹配任何由单词字符组成的标签名称

• [^>]*- 可选地允许标签属性匹配

• >- 匹配关闭标签

示例 Java 代码，

String s = "Hello.  How can I help you?<br>I don't know<br>Use the link <a \r\n" + 

        "href=\"www.google.com\" target=\"_blank\">Google</a></br>Hello.  <sometag>somedata</sometag> hey <br1>somedata</br2> hello <1br>somedata</1br> How can I help you?<br>I don't know<br>Use the link <a \r\n" + 

        "href=\"www.google.com\" target=\"_blank\">Google</a></br>";

System.out.println(s.replaceAll("</?(?!br>)\\w+[^>]*>", ""));

在删除除<br>and之外的所有标签的地方打印此内容</br>，

Hello.  How can I help you?<br>I don't know<br>Use the link Google</br>Hello.  somedata hey somedata hello somedata How can I help you?<br>I don't know<br>Use the link Google</br>

编辑：正如Lino在他的评论中提到的，如果您的标签名称在br文本周围有可选空格，您可以使用以下允许可选空格的正则表达式，

<\s*\/?\s*(?!br\s*>)\w+[^>]*>

演示允许 br 标签中的可选空间

Answer 2

使用解析 HTMLregex不是一个好主意。如果您确定它始终是 HTML，我建议您使用Jsoup它会自动使用您的 html 并返回文档。

Document doc = Jsoup.parse(sb.toString());

printChilds(doc.body().childNodes());

    public static void printChilds(List<Node> node)

    {

        for (Node n : node)

        {

            if (n.childNodeSize() == 0)

                System.out.print(n.toString());

            else

                printChilds(n.childNodes());

        }

    }

将输出Hello. How can I help you?<br>I don't know<br>Use the link Google<br>