從xml解析的html標籤之間提取文本

Question

任何人都可以幫助我從html標籤中將文本解壓爲純文本嗎？

我已經解析了一個XML並獲得一些輸出作爲身體有html標籤現在我想刪除標籤並使用文本。

在此先感謝!!!!

Answer 1

您可以使用HTML解析器像JSoup

例如 HTML是

<div style="height:240px;"><br>test: example<br>test1:example1</div> 

可以使用

Document document = Jsoup.parse(html); 
Element div = document.select("div[style=height:240px;]").first(); 
div.html(); 

Answer 2

嘗試HTML Parser得到的HTML。

如果HTML轉義，即<而不是<，則可能必須先解碼。

Answer 3

考慮你的要求，你可以嘗試Jericho HTML Parser

在TextExtractor類請看：

Using the default settings, the source segment: "<div><b>O</b>ne</div><div title="Two"><b>Th</b><script>//a script </script>ree</div>" produces the text "One Two Three"。

Answer 4

如果你想要做的是從一個字符串中刪除HTML標記，你可以這樣做：

String output = input.replaceAll("(?s)\\<.*?\\>", " ");