正则表达式去除html标签

/**
 * 删除Html标签
 * 
 * @param inputString
 * @return
 */
public static String htmlRemoveTag(String inputString) {
    if (inputString == null)
        return null;
    String htmlStr = inputString; // 含html标签的字符串
    String textStr = "";
    java.util.regex.Pattern p_script;
    java.util.regex.Matcher m_script;
    java.util.regex.Pattern p_style;
    java.util.regex.Matcher m_style;
    java.util.regex.Pattern p_html;
    java.util.regex.Matcher m_html;
    try {
        //定义script的正则表达式{或<script[^>]*?>[sS]*?</script>
        String regEx_script = "<[s]*?script[^>]*?>[sS]*?<[s]*?/[s]*?script[s]*?>"; 
        //定义style的正则表达式{或<style[^>]*?>[sS]*?</style>
        String regEx_style = "<[s]*?style[^>]*?>[sS]*?<[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(htmlStr);
        htmlStr = m_script.replaceAll(""); // 过滤script标签
        p_style = Pattern.compile(regEx_style,Pattern.CASE_INSENSITIVE);
        m_style = p_style.matcher(htmlStr);
        htmlStr = m_style.replaceAll(""); // 过滤style标签
        p_html = Pattern.compile(regEx_html,Pattern.CASE_INSENSITIVE);
        m_html = p_html.matcher(htmlStr);
        htmlStr = m_html.replaceAll(""); // 过滤html标签
        textStr = htmlStr;
    } catch (Exception e) {
        e.printStackTrace();
    }
    return textStr;// 返回文本字符串
}

	public static void requestPost(String ipString) throws IOException{
	       /** 
         * 首先要和URL下的URLConnection对话。 URLConnection可以很容易的从URL得到。比如： // Using 
         * java.net.URL and //java.net.URLConnection 
         *  
         * 使用页面发送请求的正常流程：在页面http://www.faircanton.com/message/loginlytebox. 
         * asp中输入用户名和密码，然后按登录， 
         * 跳转到页面http://www.faircanton.com/message/check.asp进行验证 验证的的结果返回到另一个页面 
         *  
         * 使用java程序发送请求的流程：使用URLConnection向http://www.faircanton.com/message/ 
         * check.asp发送请求 并传递两个参数：用户名和密码 然后用程序获取验证结果 
         */  
        URL url = new URL("http://199604.com/ip/");  
        URLConnection connection = url.openConnection();
        /** 
         * 然后把连接设为输出模式。URLConnection通常作为输入来使用，比如下载一个Web页。 
         * 通过把URLConnection设为输出，你可以把数据向你个Web页传送。下面是如何做： 
         */  
        connection.setDoOutput(true);  
        /** 
         * 最后，为了得到OutputStream，简单起见，把它约束在Writer并且放入POST信息中，例如： ... 
         */  
        OutputStreamWriter out = new OutputStreamWriter(  
                connection.getOutputStream(),"8859_1");  
        out.write("ip=" + ipString + "&action=2"); // 向页面传递数据。post的关键所在！  
        // out.write("username=kevin&password=*********"); //向页面传递数据。post的关键所在！  
        // remember to clean up  
        out.flush();  
        out.close();  
        /** 
         * 这样就可以发送一个看起来象这样的POST： POST /jobsearch/jobsearch.cgi HTTP 1.0 ACCEPT: 
         * text/plain Content-type: application/x-www-form-urlencoded 
         * Content-length: 99 username=bob password=someword 
         */  
        // 一旦发送成功，用以下方法就可以得到服务器的回应：  
        String sCurrentLine;  
        String sTotalString;  
        sCurrentLine = "";  
        sTotalString = "";  
        InputStream l_urlStream;  
        l_urlStream = connection.getInputStream();//获取返回的Html内容
        // 传说中的三层包装阿！  

        BufferedReader l_reader = new BufferedReader(new InputStreamReader(  
                l_urlStream));
        System.out.println("第一次过滤");
        while ((sCurrentLine = l_reader.readLine()) != null) {  
            sTotalString+= sCurrentLine;
            
        }
        
          
        String regEx_script = "<script[^>]*?>.*?</script>";
        sTotalString = sTotalString.replaceAll(regEx_script,"");
        
        String regEx_style = "<style[^>]*?>.*?</style>"; 
        sTotalString = sTotalString.replaceAll(regEx_style,"");
        
        String html_regex = "<(.[^>]*)>";// /过滤标签的规则  
        Pattern p = Pattern.compile(html_regex);// 将规则封装成对象  
        
        BufferedReader htmlbufr = new BufferedReader(new StringReader(sTotalString));
        
        BufferedWriter bufw = new BufferedWriter(new OutputStreamWriter(  
                new FileOutputStream("E://IpHTML.txt")));  
        while ((sCurrentLine = htmlbufr.readLine()) != null) { 
        	 sCurrentLine = sCurrentLine.replaceAll(html_regex,"");  
            bufw.write(sCurrentLine);  
            bufw.newLine();// /换行  
            bufw.flush();// 刷新  
  
        }  
        bufw.close();   
        System.out.println("第一次过滤完毕，开始下一轮过滤");  
        
	}

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!