com.github.xiaoyuge5201.file.DealHtmlContentUtil Maven / Gradle / Ivy
package com.github.xiaoyuge5201.file;
import java.util.regex.Pattern;
/**
* 获取富文本中的中文内容
* @author yugb
*/
public class DealHtmlContentUtil {
/**
* @param html html内容
* @return 文本内容
*/
public static String html2Text(String html) {
String textStr = "";
Pattern p_script;
java.util.regex.Matcher m_script;
Pattern p_style;
java.util.regex.Matcher m_style;
Pattern p_html;
java.util.regex.Matcher m_html;
try {
// 定义script的正则表达式{或]*?>[\\s\\S]*?<\\/script>
String regEx_script = "<[\\s]*?script[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?script[\\s]*?>";
// 定义style的正则表达式{或]*?>[\\s\\S]*?<\\/style>
String regEx_style = "<[\\s]*?style[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?style[\\s]*?>";
String regEx_html = "<[^>]+>";
// 定义HTML标签的正则表达式
p_script = Pattern.compile(regEx_script, Pattern.CASE_INSENSITIVE);
m_script = p_script.matcher(html);
// 过滤script标签
html = m_script.replaceAll("");
p_style = Pattern.compile(regEx_style, Pattern.CASE_INSENSITIVE);
m_style = p_style.matcher(html);
// 过滤style标签
html = m_style.replaceAll("");
p_html = Pattern.compile(regEx_html, Pattern.CASE_INSENSITIVE);
m_html = p_html.matcher(html);
html = m_html.replaceAll("");
// 过滤html标签
textStr = html;
} catch (Exception e) {
System.err.println("Html2Text: " + e.getMessage());
}
//剔除空格行
textStr = textStr.replaceAll("[ ]+", " ");
textStr = textStr.replaceAll("(?m)^\\s*$(\\n|\\r\\n)", "");
return textStr;
}
}