使用JSoup仅删除HTML标记，而不删除“”标记中的数据

Question

我使用JSoup解析字符串，其中包含超文本标记语言标记为纯文本。例如：

String newStr = Jsoup.parse(testStrHTML).text();

它可以很好地解析它，但问题是我的Java字符串是否包含

我也尝试过正则表达式

String newStr = testStrHTML.replaceAll("\\<.*?\\>", "");

但问题依然存在。

在




Answer 1

你的regexp

String newStr = testStrHTML.replaceAll("\\<.*?\\>", "");

完全删除标记。它匹配的开始

String newStr = testStrHTML.replaceAll("\\<.([^>]*)\\>", "\\1");

应使用标签和标签的任何属性替换所有标签。这与您的regexp大致匹配，但它用括号内的文本替换匹配。

请注意，这会删除上下文，因此可能不是一个好的解决方案。它也不会产生易于阅读的输出，因为有效的html被部分保留。

最好还是留在Jsoup中，在DOM中导航。