Question

用java字符串方法去除HTML代码标签的问题

比如有这样的html代码：

<div id="mini_nav_qq"><li><a target="_top" href="http://lady.qq.com/emo/emotio.shtml">情感</a></li><li><a target="_top" href="http://lady.qq.com/beauty/beauty.shtml">美容</a></li></div>

想要实现把<a>、<div>等标签中的“target”、“href”、"id"、"style"等信息去除，只留下单纯的<a>、<div>形式。我用了java字符串匹配替换的方法：

private static String removeInTag(String a) {
StringBuffer aaa = new StringBuffer();
aaa.append(a);
int BeginIndex = 0;
while(BeginIndex != -1){
BeginIndex = aaa.indexOf("<",BeginIndex);
int StarIndex = aaa.indexOf(" ", BeginIndex);
int EndIndex = aaa.indexOf(">", BeginIndex);
int PreventErr = aaa.indexOf("<", BeginIndex);
if ((PreventErr > EndIndex) && (StarIndex > StarIndex)){
aaa.replace(StarIndex, EndIndex, "");
}
}
return aaa.toString();
}
======================================
但出现了死循环，死循环的原因何在？
同时由于本人初学java，所以这个方法可能不是最好方法，有没有更高效、更不易出错的方法呢？有好的方法okey的再加分，谢谢！
这个removeInTag(String a)方法是利用html标签名后带的空格来进行替换。如<div>若有内嵌样式，则会写成<div style=...>.

==================================
一楼朋友你说的我这就是这样的，替换成""，就是删除。。

Answer 1

可以通过replaceAll方法进行字符串替换，之后替换的内容用正则表达式来匹配。举例

 String ss="<div id='mini_nav_qq'><li><a target='_top' " +

  "href='http:// lady.qq.com/emo/emotio.shtml'>情感</a></li><li>" +

  "<a target='_top' href='http://lady.qq.com/beauty/beauty.shtml'>美容</a></li></div>";

String ss=ss.replaceAll("<(/?\\S+)\\s*?[^<]*?(/?)>","<$1$2>");//通过只保留"<“后面的字符串，之后删除空格和后面的内容，快捷的实现去除操作（此方法通用于所有的标签去除，只需要传入不同的ss值）。

结果就是：<div><li><a>情感</a></li><li><a>美容</a></li></div>。

Answer 2

按照<> 一对对的遍历处理，如:处理<div id="mini_nav_qq">时，将第一个空格到倒数第二个字符之间的字符串删除即可。

Answer 3

试试这个

public class DelHTML {

public static void main(String[] args){
String html = "<div id=\"mini_nav_qq\"><li><a target=\"_top\" href=\"http://lady.qq.com/emo/emotio.shtml\">情感</a></li><li><a target=\"_top\" href=\"http://lady.qq.com/beauty/beauty.shtml\">美容</a></li></div>";
System.out.println(removeInTag(html));
}

private static String removeInTag(String a) {
String reg = "\\s\\w+=\\\"[^\"]+\\\"";
//System.out.println(a.replaceAll(reg, ""));
return a.replaceAll(reg, "");
}
}

Answer 4

class Test {
public static void main(String [] a){
String ss="<div id='mini_nav_qq'><li><a target='_top' " +
"href='http:// lady.qq.com/emo/emotio.shtml'>情感</a></li><li>" +
"<a target='_top' href='http://lady.qq.com/beauty/beauty.shtml'>美容</a></li></div>";
String ss2=ss.replaceAll("(\\<\\w+\\s*)[^\\>]*", "$1");
System.out.println(ss2);

}
}