MyException - 我的异常网
当前位置:我的异常网» Java Web开发 » 【50分】过滤网页HTML标记-求方法解决思路

【50分】过滤网页HTML标记-求方法解决思路

www.MyException.Cn  网友分享于:2013-01-09  浏览:16次
【50分】过滤网页HTML标记-求方法
大家好!
现在小弟遇到一个问题,困扰了我很久了
如下:用java   程序抓取了指定的网页,将内容保存到string   的对象里,我现在想把它去掉 <html> , <title> , <table> ...等等的符号,换句话说就像是在网页上
【全选】-> 【复制】完成这样的功能在保存成String   对象
[绝对不能人工参与~~~~]
希望各位帮忙,解决问题,马上给分~~~小弟谢谢先

------解决方案--------------------
关注中
------解决方案--------------------
自己写程序字符串处理
去掉从 <到> 的内容就可以了
------解决方案--------------------
System.out.println( " <a> asdfasdf <b> ".replaceAll( " <[^> ]*> ", " "));
大概思想就是这样.具体细节还要修改正则表达式.
------解决方案--------------------
想要精确删除的话,其实html的标签并不是很多~~~
都丢到一个容器里面去,越常用的放在越前面,然后就跟容器里面的数据进行比较吧~~~

------解决方案--------------------
把需要过滤的HTML标记写成正则表达式

或者用HTMLEncoder把 <> 转码....
------解决方案--------------------
我也急切关注....
------解决方案--------------------
package edu.cust.test;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class HtmlFliter {

private Pattern p;

private Matcher m;

public String htmlChanger(String regEx, String htmlTag, String replaceStr) {

String ret = " ";
try {
p = Pattern.compile(regEx);// 设置比较模式
m = p.matcher(htmlTag);
boolean rs = m.find();
ret = p.matcher(htmlTag).replaceAll(replaceStr);

} catch (Exception e) {
}

return ret;
}

public static void main(String[] args) {

String htmlToChange = " <font color=#00000> Hello </font> ";//你要转换的HTML标记。

String yourRegEx = "( <\\s*[a-zA-Z][^> ]*> )|( </\\s*[a-zA-Z][^> ]*> ) ";//这个就是对应的去掉HTML标记的正则表达式

String replaceStr = " ";//这个是你要将它替换的字符串,因为你要消去HTML标记,所以这里用空串。

HtmlFliter fliter = new HtmlFliter();

String result = fliter.htmlChanger(yourRegEx, htmlToChange, replaceStr);

System.out.println( "----> : " + result);

}
}


怎么今天遇到两个类似的问题呢。
------解决方案--------------------
路过,我连提取都不会,汗
------解决方案--------------------
mark

文章评论

看13位CEO、创始人和高管如何提高工作效率
看13位CEO、创始人和高管如何提高工作效率
漫画:程序员的工作
漫画:程序员的工作
一个程序员的时间管理
一个程序员的时间管理
不懂技术不要对懂技术的人说这很容易实现
不懂技术不要对懂技术的人说这很容易实现
程序员最害怕的5件事 你中招了吗?
程序员最害怕的5件事 你中招了吗?
为什么程序员都是夜猫子
为什么程序员都是夜猫子
为啥Android手机总会越用越慢?
为啥Android手机总会越用越慢?
代码女神横空出世
代码女神横空出世
什么才是优秀的用户界面设计
什么才是优秀的用户界面设计
程序员的鄙视链
程序员的鄙视链
程序员必看的十大电影
程序员必看的十大电影
Web开发者需具备的8个好习惯
Web开发者需具备的8个好习惯
“懒”出效率是程序员的美德
“懒”出效率是程序员的美德
做程序猿的老婆应该注意的一些事情
做程序猿的老婆应该注意的一些事情
科技史上最臭名昭著的13大罪犯
科技史上最臭名昭著的13大罪犯
程序猿的崛起——Growth Hacker
程序猿的崛起——Growth Hacker
老程序员的下场
老程序员的下场
程序员都该阅读的书
程序员都该阅读的书
Java 与 .NET 的平台发展之争
Java 与 .NET 的平台发展之争
程序员周末都喜欢做什么?
程序员周末都喜欢做什么?
老美怎么看待阿里赴美上市
老美怎么看待阿里赴美上市
我的丈夫是个程序员
我的丈夫是个程序员
鲜为人知的编程真相
鲜为人知的编程真相
总结2014中国互联网十大段子
总结2014中国互联网十大段子
我是如何打败拖延症的
我是如何打败拖延症的
“肮脏的”IT工作排行榜
“肮脏的”IT工作排行榜
写给自己也写给你 自己到底该何去何从
写给自己也写给你 自己到底该何去何从
程序员和编码员之间的区别
程序员和编码员之间的区别
 程序员的样子
程序员的样子
亲爱的项目经理,我恨你
亲爱的项目经理,我恨你
我跳槽是因为他们的显示器更大
我跳槽是因为他们的显示器更大
聊聊HTTPS和SSL/TLS协议
聊聊HTTPS和SSL/TLS协议
5款最佳正则表达式编辑调试器
5款最佳正则表达式编辑调试器
10个帮程序员减压放松的网站
10个帮程序员减压放松的网站
那些争议最大的编程观点
那些争议最大的编程观点
如何区分一个程序员是“老手“还是“新手“?
如何区分一个程序员是“老手“还是“新手“?
Java程序员必看电影
Java程序员必看电影
10个调试和排错的小建议
10个调试和排错的小建议
每天工作4小时的程序员
每天工作4小时的程序员
初级 vs 高级开发者 哪个性价比更高?
初级 vs 高级开发者 哪个性价比更高?
程序员应该关注的一些事儿
程序员应该关注的一些事儿
程序员眼里IE浏览器是什么样的
程序员眼里IE浏览器是什么样的
编程语言是女人
编程语言是女人
中美印日四国程序员比较
中美印日四国程序员比较
如何成为一名黑客
如何成为一名黑客
软件开发程序错误异常ExceptionCopyright © 2009-2015 MyException 版权所有