DIV CSS 佈局教程網

您现在的位置: DIV+CSS佈局教程網 >> 網頁腳本 >  >> HTML基礎知識 >> HTML和Xhtml
用正則表達式把 HTML 中的標籤全部清掉
編輯:HTML和Xhtml     

要把一段 HTML 字串還原成純文字,常見做法是拿正則表達式把標籤一併濾掉。這裡的 (?i) 表示比對時忽略大小寫,也就是不分大寫小寫都會被替換掉。

一次清掉標籤、空白與引號

html = html.replaceAll("(<(?i)(|)[^]*/?>)|(&nbsp;)|(')|(\")", "");
System.out.println(html);

其中 (<(?i)(|)[^]*/?>)|(&nbsp;)|(')|(") 這段正則的意義是:比對全部的標籤,再加上 &nbsp;、單引號與雙引號,全部一併移除。

只清掉部分標籤

如果不需要全部清乾淨,只要調整括號裡的內容:

(<(?i)(|)[^]*/?>)      -- 替換全部的標籤
(<(?i)(p|img)[^]*/?>)  -- 只替換 p 和 img 標籤
(<(?i)a[^]*/?>)        -- 僅替換 a 標籤

幾個提醒

正則清標籤適合處理格式單純、內容可信的字串,例如自己輸出後再處理的片段。若要解析結構複雜、標籤可能未閉合的 HTML,用專門的解析器會更穩妥——正則表達式畢竟不是為巢狀結構設計的,遇到 <script> 區塊裡出現 < 這類情況就容易誤判。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved