怎样编写一个java函数去掉html中的标记?

Question

我想用java函数去掉html中的标记,也就是带<>符号的去掉,改html编辑状态为纯文本状态
用java函数而不能用javascript

Answer 1

怎样去判断一字符串中是否有<号???
字符串对象有这个功能的方法吧？你查一下javadoc

Answer 2

http://bbs.sqlserver.com.cn/oursite/servlet/SuperFace/forum/forum2.html?htokid=c0.0.2&id=26

Answer 3

html不也就是特殊的xml么
用jdom parse一下

Answer 4

回复人： tx18(www.sqlserver.com.cn) 你提供的这个方法有一个确点就是要判断每一个html标记，那太多了！我现在找到一个在JDK1.4版本下的方法：就是用replaceALL("<([^<>]+)>","")；但我们的websphere只支持JDK1.3，不能用replaceAll方法，所以只能写java函数实现，那位高手会！

Answer 5

不能用replaceAll就用reaplace循环一下

Answer 6

呵呵，就用java写个正则表达式嘛，一下就ok了，要么就手工写字符串处理函数，效率都应该挺高的。

Answer 7

public  String Html2Text(String str)
{
String sRet="";
while(str.indexOf("<")>=0)
{
String str1 = "";
    String str2 = "";
    str1 = str.substring(0,str.indexOf("<"));
    str2 = str.substring(str.indexOf(">")+1);
    sRet = str1 + str2;
}
return sRet;
}
写了这样一个方法,测试通过,不知道还有没有不恰当的地方,有一点我知道,就是不能处理<script>....</script>和<style>...<style>的代码,,,但一般格式的html代码应该没问题吧

Answer 8

回楼主：
我的程序是在一个全文检索系统用的初稿，要对大量的html文件进行过滤，有的文件有长达4、50M，除了普通的html标记间的文本外，script和style中的内容是不需要的，因为要保证过滤的速度，所我们采用了逐行分析的办法，每一行的结果中还要去掉&nbsp;。
仅供参考！