使用Jsoup工具包去掉文本的html标签
前两天遇到这样一个问题:由于前端要展示带样式的字体,所以数据库中存的数据是带有html标签的,但是这还有一个导出word的功能,而导出word的时候就不需要样式,导出文本即可,所以需要一个可以去除html标签的方法.百度过后基本上都是自定义正则,但是自定义的难免会有考虑不全的问题,所以最好是有一个成熟的工具包,Jsoup就派上用场了,Jsoup是一款Java 的HTML解析器,可以对HTML进行解析。
引入依赖
-
<dependency>
-
<groupId>org.jsoup</groupId>
-
<artifactId>jsoup</artifactId>
-
<version>1.15.3</version>
-
</dependency>
去除html标签方法
-
public String getTextFromHTML(String htmlStr) {
-
Document doc = Jsoup.parse(htmlStr);
-
String text = doc.text();
-
//删除多余的空白
-
StringBuilder builder = new StringBuilder(text);
-
int index = 0;
-
while(builder.length()>index){
-
char tmp = builder.charAt(index);
-
if(Character.isSpaceChar(tmp) || Character.isWhitespace(tmp)){
-
builder.setCharAt(index, ' ');
-
}
-
index ;
-
}
-
text = builder.toString().replaceAll(" ", " ").trim();
-
return text;
-
}
测试
-
public static void main(String[] args) {
-
String htmlStr = "<p><span style=\"font-family: 'Arial Black';font-size: 16pt\">测试字体</span> </p>\n"
-
"<p><span style=\"font-family: 'Arial Black';font-size: 16pt\">测试字体</span> </p>\n"
-
"<p><span style=\"font-family: 'Arial Black';font-size: 16pt\">测试字体</span> </p>";
-
String textFromTHML = getTextFromTHML(htmlStr);
-
System.out.println("去除后的效果");
-
System.out.println(textFromTHML);
-
}
结果
-
Connected to the target VM, address: '127.0.0.1:53720', transport: 'socket'
-
去除后的效果
-
测试字体 测试字体 测试字体
-
Disconnected from the target VM, address: '127.0.0.1:53720', transport: 'socket'
可以看到导出后是一行,这个不用担心,导出word后其实还是换行的
这篇好文章是转载于:学新通技术网
- 版权申明: 本站部分内容来自互联网,仅供学习及演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,请提供相关证据及您的身份证明,我们将在收到邮件后48小时内删除。
- 本站站名: 学新通技术网
- 本文地址: /boutique/detail/tanhgekhic
系列文章
更多
同类精品
更多
-
photoshop保存的图片太大微信发不了怎么办
PHP中文网 06-15 -
Android 11 保存文件到外部存储,并分享文件
Luke 10-12 -
《学习通》视频自动暂停处理方法
HelloWorld317 07-05 -
word里面弄一个表格后上面的标题会跑到下面怎么办
PHP中文网 06-20 -
photoshop扩展功能面板显示灰色怎么办
PHP中文网 06-14 -
微信公众号没有声音提示怎么办
PHP中文网 03-31 -
excel下划线不显示怎么办
PHP中文网 06-23 -
excel打印预览压线压字怎么办
PHP中文网 06-22 -
怎样阻止微信小程序自动打开
PHP中文网 06-13 -
TikTok加速器哪个好免费的TK加速器推荐
TK小达人 10-01