当前位置:首页 > 编程教程 > java技术文章 > Java实现从Html文本中提取纯文本的方法

分享Java从Html文本中提取纯文本的方法

  • 发布时间:
  • 作者:码农之家
  • 点击:133

这篇文章主要知识点是关于java、html、提取纯文本、的内容,如果大家想对相关知识点有系统深入的学习,可以参阅以下电子书

JavaScript语言精粹
JavaScript语言精粹超清修订版
  • 类型:JavaScript大小:9.9 MB格式:PDF作者:克罗克福德
立即下载

Tags:Java HTML 

Java实现从Html文本中提取纯文本的方法

1、应用场景:从一份html文件中或从String(是html内容)中提取纯文本,去掉网页标签;

2、代码一:replaceAll搞定

//从html中提取纯文本 
public static String StripHT(String strHtml) { 
String txtcontent = strHtml.replaceAll("</?[^>]+>", ""); //剔出<html>的标签 
txtcontent = txtcontent.replaceAll("<a>\\s*|\t|\r|\n</a>", "");//去除字符串中的空格,回车,换行符,制表符 
return txtcontent; 
} 

3、代码二:正则表达式搞定

//从html中提取纯文本
	public static String Html2Text(String inputString) {
		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 {
			String regEx_script = "<[\\s]*?script[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?script[\\s]*?>"; // 定义script的正则表达式{或<script[^>]*?>[\\s\\S]*?<\\/script>
	  String regEx_style = "<[\\s]*?style[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?style[\\s]*?>"; // 定义style的正则表达式{或<style[^>]*?>[\\s\\S]*?<\\/style>
	  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) {System.err.println("Html2Text: " + e.getMessage()); }
		//剔除空格行
		textStr=textStr.replaceAll("[ ]+", " ");
		textStr=textStr.replaceAll("(?m)^\\s*$(\\n|\\r\\n)", "");
		return textStr;// 返回文本字符串
	}

4、代码三:HTMLEditorKit.ParserCallback搞定,Java自带的类

package com.util;
import java.io.*;
import javax.swing.text.html.*;
import javax.swing.text.html.parser.*;
public class Html2Text extends HTMLEditorKit.ParserCallback {
	 StringBuffer s;
	 public Html2Text() {}
	 public void parse(Reader in) throws IOException {
	 s = new StringBuffer();
	 ParserDelegator delegator = new ParserDelegator();
	 // the third parameter is TRUE to ignore charset directive
	 delegator.parse(in, this, Boolean.TRUE);
	 }
	 public void handleText(char[] text, int pos) {
	 s.append(text);
	 }
	 public String getText() {
	 return s.toString();
	 }
	 public static void main (String[] args) {
	 try {
	  // the HTML to convert
		 //Reader in=new StringReader("string");	
	  FileReader in = new FileReader("java-new.html");
	  Html2Text parser = new Html2Text();
	  parser.parse(in);
	  in.close();
	  System.out.println(parser.getText());
	 }
	 catch (Exception e) {
	  e.printStackTrace();
	 }
	 }
}

以上这篇Java实现从Html文本中提取纯文本的方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持码农之家。

以上就是本次给大家分享的关于java的全部知识点内容总结,大家还可以在下方相关文章里找到相关文章进一步学习,感谢大家的阅读和支持。

Java 相关电子书
学习笔记
网友NO.443262

JAVA过滤标签实现将html内容转换为文本的方法示例

本文实例讲述了JAVA过滤标签实现将html内容转换为文本的方法。分享给大家供大家参考,具体如下: /*** 把html内容转为文本* @param html 需要处理的html文本* @param filterTags 需要保留的html标签样式* @return*/public static String trimHtml2Txt(String html, String[] filterTags){ html = html.replaceAll("\\head[\\s\\S]*?/head(?i)", "");//去掉head html = html.replaceAll("\\!--[\\s\\S]*?--", "");//去掉注释 html = html.replaceAll("\\![\\s\\S]*?", ""); html = html.replaceAll("\\style[^]*[\\s\\S]*?/style(?i)", "");//去掉样式 html = html.replaceAll("\\script[^]*[\\s\\S]*?/script(?i)", "");//去掉js html = html.replaceAll("\\w:[^]+[\\s\\S]*?/w:[^]+(?i)", "");//去掉word标签 html = html.replaceAll("\\xml[\\s\\S]*?/xml(?i)", ""); html = html.replaceAll("\\html[^]*|body[^]*|/html|/body(?i)", ""); html = html.replaceAll("\\\r\n|\n|\r", " ");//去掉换行 html = html.replaceAll("\\br[^]*(?i)", "\n\r"); ListString tags = new ArrayList……

网友NO.753050

javascript+html5+css3自定义弹出窗口效果

本文实例为大家分享了js自定义弹出窗口效果展示的具体代码,供大家参考,具体内容如下 效果图: 源码: 1.demo.jsp %@ page contentType="text/html;charset=UTF-8" language="java" %htmlhead title自定义弹出窗口/title script type="text/javascript" src="js/myLayer.js"/script style type="text/css" button{ width: 50px; height: 50px; border: 1px solid blue; background-color: blue; color: red; border-radius: 5px; -webkit-box-shadow: 2px 2px 2px gray; -moz-box-shadow: 2px 2px 2px gray ; box-shadow: 2px 2px 2px gray ; } button:hover{ background-color: green; cursor: pointer; } /style script type="text/javascript" function openWindow() { new MyLayer({ top:"10%", left:"10%", width:"80%", height:"80%", title:"我的标题", content:"操作成功" }).openLayer(); } /script/headbody button type="button" onclick="openWindow()"打开弹窗/button/body/html 2.myLayer.js /** * Created by zhuwenqi on 2017/6/16. *//** * @param options 弹窗基本配置信息 * @……

网友NO.406446

JavaScript实现获取远程的html到当前页面中

html代码 div id="includeHtml"/div javascript代码 function clientSideInclude(id, url) { var req = false; // Safari, Firefox, 及其他非微软浏览器 if (window.XMLHttpRequest) { try { req = new XMLHttpRequest(); } catch (e) { req = false; } } else if (window.ActiveXObject) { // For Internet Explorer on Windows try { req = new ActiveXObject("Msxml2.XMLHTTP"); } catch (e) { try { req = new ActiveXObject("Microsoft.XMLHTTP"); } catch (e) { req = false; } } } var element = document.getElementById(id); if (!element) { alert("函数clientSideInclude无法找到id " + id + "。" + "你的网页中必须有一个含有这个id的div 或 span 标签。"); return; } if (req) { // 同步请求,等待收到全部内容 req.open('GET', url, false); req.send(null); if (req.status == 404) { clientSideInclude(id, 'error.html') } else { element.innerHTML = req.responseText; } } else { element.innerHTML = "对不起,你的浏览器不支持" + "XMLHTTPRequest 对象。这个网页的显示要求……

网友NO.393787

JavaScript根据json生成html表格的示例代码

之前公司有一个需求是:通过js来生成html。而且大部分都是生成表格,直接通过字符串拼接的话,代码的可复用性太低的,所以写了个通用的json转html表格的工具。 代码 htmlKit = { _tags: [], html: [], _createAttrs: function (attrs) { var attrStr = []; for (var key in attrs) { if (!attrs.hasOwnProperty(key)) continue; attrStr.push(key + "=" + attrs[key] + "") } return attrStr.join(" ") }, _createTag: function (tag, attrs, isStart) { if (isStart) { return "" + tag + " " + this._createAttrs(attrs) + "" } else { return "/" + tag + "" } }, start: function (tag, attrs) { this._tags.push(tag); this.html.push(this._createTag(tag, attrs, true)) }, end: function () { this.html.push(this._createTag(this._tags.pop(), null, false)) }, tag: function (tag, attr, text) { this.html.push(this._createTag(tag, attr, true) + text + this._createTag(tag, null, false)) }, create: function () { return this.html.join("") }};function json2Html(data) { var hk……

<
1
>

电子书 编程教程 PC软件下载 安卓软件下载

Copyright 2018-2020 xz577.com 码农之家

本站所有电子书资源不再提供下载地址,只分享来路

免责声明:网站所有作品均由会员网上搜集共同更新,仅供读者预览及学习交流使用,下载后请24小时内删除

版权投诉 / 书籍推广 / 赞助:QQ:520161757