刪除除換行符外的HTML標記

Question

我正在從具有HTML標記的服務器接收字符串。我正在使用像string1.replaceAll("\\<.*?>","")這樣的正則表達式去除這些標籤，但問題是它也會刪除換行符和超鏈接。我想保留超鏈接和換行符，並刪除其他所有內容。

Answer 1

不要使用正則表達式來解析HTML。

從HTML完全剝離（您想不是，但簡單的事）：

String html = "<h1>I only want<br/>line breaks and " + 
    "<a href='http://stackoverflow.com'>links</a>, <i>not</i>" + 
    " the <b>other</b> stuff"; 
String sansHtml = Html.fromHtml(html).toString(); 

要選擇剝離它，護只有<a>（和href屬性）和<br>標籤建議您使用JSoup：

Whitelist whitelist = Whitelist.none().addTags("a", "br").addAttributes("a", "href"); 
String jsoupHtml = Jsoup.clean(html, whitelist); 

Answer 2

你可以試着更換你想通過一些中間格式，以保持第一部分，恢復原來的AFTE你刪除了所有其他標籤。

string1.replaceAll("\\<br.*?>", "[br]"); 
string1.replaceAll("\\<a href='(.*?)'.*?>(.*?)\\<.*?>", "[link='$1' desc='$2']"); 
string1.replaceAll("\\<.*?>",""); 
string1.replaceAll("\\[br\\]", "<br\\>"); 
string1.replaceAll("\\[link='(.*?)' desc='(.*?)']", "<a href=\"$1\">$2<\\a>"); 

未測試的代碼，因此可能無法正常工作:)