從字符串中刪除HTML - RSS

Question

我目前正在構建一個RSS閱讀器和一些網站有奇怪的rss-2.0-文件，我必須先修改以顯示它們。

其中之一是seen here:

的問題是，描述標籤不僅包含的說明文字也像<a href ... /><img src ... />

一些

HTML元素如何刪除所有這些不必查看每一個屬性的不必要的信息？

Java中是否有可用的東西？或者是在這種情況下有用的正則表達式？

Answer 1

忽略所有內部CDATA如

<content:encoded><![CDATA[... 

Answer 2

您可以使用此正則表達式刪除HTML標籤：

String noHtml = html.replaceAll("\\<.*?>",""); 

即使這樣，我會使用jsoup在Java解析HTML代碼。