從文本中刪除HTML和XML

Question

我有一系列文本條目，我試圖清除HTML和XML。我現在用的是Java的Apache的百科全書StringEscapeUtils和一般如果一個String作爲使用他們處理事情不夠好：

s = unescapeHtml(s); 
s = unescapeXml(s); 

但是，如果我有這樣的事情：

This is text. So is this. <img alt="" height="0" width="0" border="0"style="display:none" 
src="http://segment-pixel.invitemedia.com/pixel?code=TechBiz 
    &partnerID=167&key=segment"/><img alt="" height="0" width="0" border="0" style="display:none" src="http://pixel.quantserve.com/pixel/p-8bUhLiluj0fAw.gif?labels=pub.28834.rss.TechBiz 
    .7020,cat.TechBiz.rss"/> 

阿帕奇utils的沒有影響。

任何人都可以提出一種替代方法嗎？

Answer 1

你可以嘗試使用Jsoup：

String text = Jsoup.parse(html).text(); 

這將去掉所有的HTML。