java web开发中的正则问题

Question

    小弟所在的项目需要从网上找到相应网页，并取得网页内容。但是不想要其中的标签，（就是取得一个网页的源代码，将其中的各种标签去掉）请教各位大侠们，如何编写正则表达式去掉网页中的标签呀？

Answer 1

package org.regular;import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.net.URL;
import java.util.ArrayList;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;public class HtmlRegTest {
public static String RMHTML(String Htmlstring) {
if (Htmlstring.isEmpty())
return ""; Htmlstring = RegexPattern("<!--[\\w\\W]*?-->", "", Htmlstring); Htmlstring = RegexPattern("<div[\\w\\W]*?>", "", Htmlstring); Htmlstring = RegexPattern(
"<\\s*?script[^>]*>[\\s\\S]*?<\\s*?/\\s*?script\\s*?>", "",
Htmlstring);
Htmlstring = RegexPattern("</font>", "", Htmlstring);
Htmlstring = RegexPattern("</div>", "", Htmlstring);
Htmlstring = RegexPattern("<font>", "", Htmlstring); Htmlstring = RegexPattern("^\\s*|\\s*$", "", Htmlstring); /*  
 * * Htmlstring = RegexPattern("&(quot|#34);", "\"", Htmlstring); *
 * Htmlstring = RegexPattern("&(amp|#38);", "&", Htmlstring);
 * 
 * Htmlstring = RegexPattern("&(lt|#60);", "<", Htmlstring);
 * 
 * Htmlstring = RegexPattern("&(gt|#62);", ">", Htmlstring);
 * 
 * Htmlstring = RegexPattern("&(nbsp|#160);", " ", Htmlstring);
 * 
 * Htmlstring = RegexPattern("&(iexcl|#161);", "\\xa1", Htmlstring);
 * 
 * Htmlstring = RegexPattern("&(cent|#162);", "\\xa2", Htmlstring);
 * 
 * Htmlstring = RegexPattern("&(pound|#163);", "\\xa3", Htmlstring);
 * 
 * Htmlstring = RegexPattern("&(copy|#169);", "\\xa9", Htmlstring);
 * 
 * Htmlstring = RegexPattern("&#(\\d+);", "", Htmlstring);
 * 
 * Htmlstring = RegexPattern("<", "", Htmlstring);
 * 
 * Htmlstring = RegexPattern(">", "", Htmlstring);
 */
// Htmlstring.replace("\r\n", "",Htmlstring);
return Htmlstring;
} public static String RegexPattern(String pattern, String str, String content) {
if (pattern != null && !pattern.equals("")) {
Pattern p = Pattern.compile(pattern, 2);
Matcher m = p.matcher(content);
content = m.replaceAll(str);
}
return content;
}
}

Answer 2

注释?
把这几句看懂就ok了:
 Pattern p = Pattern.compile(pattern, 2);
            Matcher m = p.matcher(content);//匹配
            content = m.replaceAll(str);//替换