导出去html标签

2022-01-19 16:47:43 +08:00
parent 07ce4f1866
commit 4821c6c34b
3 changed files with 110 additions and 4 deletions
@@ -0,0 +1,100 @@
+package com.adc.da.utils.removeHtml;
+
+import java.util.regex.Matcher;
+import java.util.regex.Pattern;
+
+public class RemoveHtml {
+
+
+    /**
+     * 匹配html标签，例如"<p>xxx</p>"这种格式
+     */
+    private static Pattern HTML_TAG_PATTERN = Pattern.compile("<[a-zA-Z]+.*?>([\\s\\S]*?)</[a-zA-Z]*?>");
+
+    /**
+     * 替换掉html标签里面的style内容
+     *
+     * @param content
+     * @return
+     */
+    public static String replaceStyle(String content) {
+        if (content == null || content.length() == 0) {
+            return content;
+        }
+        String regEx = " style=\"(.*?)\"";
+        Pattern p = Pattern.compile(regEx);
+        Matcher m = p.matcher(content);
+        if (m.find()) {
+            content = m.replaceAll("");
+        }
+        return content;
+    }
+
+
+    /**
+     * 移除掉</br>标签
+     *
+     * @param src
+     * @return
+     */
+    public static String removeBrTag(String src) {
+        if (src != null && !src.isEmpty()) {
+            src = src.replaceAll("<br/>", "");
+        }
+        return src;
+    }
+
+
+    /**
+     * 针对多个标签嵌套的情况进行处理
+     * 比如 <p><span style="white-space: normal;">王者荣耀</span></p>
+     * 预处理并且正则匹配完之后结果是 <span>王者荣耀
+     * 需要手工移除掉前面的起始标签
+     * @param content
+     * @return
+     */
+    public static String replaceStartTag(String content) {
+        if (content == null || content.length() == 0) {
+            return content;
+        }
+        String regEx = "<[a-zA-Z]*?>([\\s\\S]*?)";
+        Pattern p = Pattern.compile(regEx);
+        Matcher m = p.matcher(content);
+        if (m.find()) {
+            content = m.replaceAll("");
+        }
+        return content;
+    }
+
+
+
+    /**
+     * 获取html中的数据
+     * @param htmlStr
+     * @return
+     */
+    public static String getResultsFromHtml(String htmlStr) {
+        //定义script的正则表达式，去除js可以防止注入
+        String scriptRegex="<script[^>]*?>[\\s\\S]*?<\\/script>";
+        //定义style的正则表达式，去除style样式，防止css代码过多时只截取到css样式代码
+        String styleRegex="<style[^>]*?>[\\s\\S]*?<\\/style>";
+        //定义HTML标签的正则表达式，去除标签，只提取文字内容
+        String htmlRegex="<[^>]+>";
+        //定义空格,回车,换行符,制表符
+        String spaceRegex = "\\s*|\t|\r|\n";
+
+        // 过滤script标签
+        htmlStr = htmlStr.replaceAll(scriptRegex, "");
+        // 过滤style标签
+        htmlStr = htmlStr.replaceAll(styleRegex, "");
+        // 过滤html标签
+        htmlStr = htmlStr.replaceAll(htmlRegex, "");
+        // 过滤空格等
+        htmlStr = htmlStr.replaceAll(spaceRegex, "");
+        return htmlStr.trim(); // 返回文本字符串
+    }
+
+
+
+
+}