java - Java 如何删除未闭合（不完整）标签？

Question

如题，如果想用Java处理一段带有html标签的字符串。
要求：
①如果只存在后半部分标签，不存在前半部分标签，就将后半部分标签删除。
②如果只存在前半部分标签，不存在后半部分标签，就将前半部分标签删除。

例如下面这段：

<u style=\"color: blue;\">寒雨</u><u style=\"color: red;\">连江</u>夜入<u style=\"color: blue;\">吴</u>，<br><u style=\"color: blue;\">平明送<u style=\"color: red;\">客</u>楚山<u style=\"color: blue;\">孤</u>。<br>洛阳</u>亲友如相问，<br>一片<u style=\"color: blue;\">冰心</u>在<u style=\"color: blue;\">玉壶</u>。

平明后的</u> 标签被我故意删除了；洛阳前的<u>标签被我故意删除了。

有什么办法可以删除这些不完整的标签，最好还能保留标签内容的？
不是提取标签内容，是将不完整的标签删除。

Answer 1

用JRegex删除未闭合标签：

import jregex.*;

public class Main {
    public static void main(String[] args) {
        String html = "<u style=\"color: blue;\">寒雨</u><u style=\"color: red;\">连江</u>夜入<u style=\"color: blue;\">吴</u>，<br><u style=\"color: blue;\">平明送<u style=\"color: red;\">客</u>楚山<u style=\"color: blue;\">孤</u>。<br>洛阳</u>亲友如相问，<br>一片<u style=\"color: blue;\">冰心</u>在<u style=\"color: blue;\">玉壶</u>。";
        String cleaned = cleanHtml(html);
        System.out.println(cleaned);
    }

    public static String cleanHtml(String html) {
        String pattern = "<(\\w+)(?:[^>]*)>(?:(?>[^<]+)|<(?!\\1>)|(?R))*</\\1>|<\\w+[^>]*/?>";
        Pattern p = new Pattern(pattern, Pattern.RECURSIVE);
        Replacer r = p.replacer("");
        return r.replace(html);
    }
}