如何在Java中删除HTML标记

Question

这个问题已经在这里有了答案 ：

从字符串中删除HTML标签
（31个答案）

4年前关闭。

是否存在可以完全删除HTML标签的正则表达式？顺便说一句，我正在使用Java。

Answer 1

您应该改用HTML解析器。我喜欢htmlCleaner，因为它为我提供了漂亮的HTML打印版本。

使用htmlCleaner，您可以执行以下操作：

TagNode root = htmlCleaner.clean( stream );
Object[] found = root.evaluateXPath( "//div[id='something']" );
if( found.length > 0 && found instanceof TagNode ) {
    ((TagNode)found[0]).removeFromTree();
}