Cách xóa thẻ HTML trong Java

Question

Có cụm từ thông dụng nào có thể xóa hoàn toàn thẻ HTML không? Nhân tiện, tôi đang sử dụng Java.

Answer 1

Thay vào đó, bạn nên sử dụng trình phân tích cú pháp HTML. Tôi thích htmlCleaner, vì nó mang lại cho tôi phiên bản HTML được in đẹp mắt.

Với htmlCleaner bạn có thể làm:

TagNode root = htmlCleaner.clean(stream); 
Object[] found = root.evaluateXPath("//div[id='something']"); 
if(found.length > 0 && found instanceof TagNode) { 
    ((TagNode)found[0]).removeFromTree(); 
} 

Answer 2

số biểu thức chính quy không có thể bằng HTML định nghĩa phân tích cú pháp.

Bạn có thể sử dụng regex đến s/<[^>]*\>// hoặc thứ gì đó ngây thơ như vậy nhưng sẽ không đủ, đặc biệt nếu bạn quan tâm đến việc xóa nội dung của thẻ.

Khi một người đăng khác nói, hãy sử dụng trình phân tích cú pháp HTML thực tế.

Answer 3

Nếu bạn chỉ cần loại bỏ các thẻ sau đó bạn có thể sử dụng biểu thức chính quy này:

content = content.replaceAll("<[^>]+>", ""); 

Nó sẽ loại bỏ chỉ thẻ, nhưng không phải thứ HTML khác. Đối với những điều phức tạp hơn, bạn nên sử dụng phân tích cú pháp.

EDIT: Để tránh các vấn đề với HTML bình luận của bạn có thể làm như sau:

content = content.replaceAll("<!--.*?-->", "").replaceAll("<[^>]+>", ""); 

Answer 4

Ngoài ra, nếu mục đích của bạn là để hiển thị người dùng kiểm soát đầu vào lại cho khách hàng, sau đó bạn cũng có thể chỉ cần thay thế tất cả < bởi < và tất cả > theo >. Bằng cách này, HTML sẽ không được hiểu là do ứng dụng của khách hàng (trình duyệt web).

Nếu bạn đang sử dụng JSP làm công nghệ xem, thì bạn có thể sử dụng JSTL's c:out cho việc này. Nó sẽ thoát khỏi tất cả các thực thể HTML theo mặc định. Vì vậy, ví dụ:

<c:out value="<script>alert('XSS');</script>" /> 

sẽ KHÔNG hiển thị cảnh báo, nhưng chỉ hiển thị chuỗi thực tế.

Answer 5

bạn có thể sử dụng mã đơn giản này để loại bỏ tất cả các thẻ html ...

htmlString.replaceAll("\\<.*?\\>", "")) 

Answer 6

Có JSoup mà là một thư viện java làm cho thao tác HTML. Nhìn vào phương pháp clean() và đối tượng WhiteList. Dễ sử dụng giải pháp!

Answer 7

Bạn không cần bất kỳ trình phân tích cú pháp HTML nào. Mã dưới đây loại bỏ tất cả các bình luận HTML:

htmlString = htmlString.replaceAll("(?s)<!--.*?-->", "");