Java查找html標記

Question

嗨我想從字符串中刪除HTML標記。 我試圖刪除這個標籤是

<td class="gutter"> text text </td> 

我嘗試以下，但沒有奏效：

String regex = "<td class=\"gutter\">([^<]*)</td>"; 
Pattern p = Pattern.compile(regex); 
Matcher m = p.matcher(htmlstring); 
m.find()/m.matches() 

但不能似乎找到它了......我在做什麼錯？

Answer 1

如果你想從HTML剝離標籤，使用一個庫來做到這一點。不要推出自己的HTML解析器。

<plug shameless="true"> 

http://code.google.com/p/owasp-java-html-sanitizer/

的便捷配置HTML消毒劑用Java編寫的，它可以讓你包括HTML，同時防止XSS在Web應用程序由第三方撰寫。

Answer 2

不能使用正則表達式來處理HTML（或XML）。這是不可能的（不「硬」，但技術上是不可能的）。使用像Jsoup這樣的HTML解析器。然後很簡單，只需按照文檔。