java如何去掉html标签

去除HTML标签的方法

使用正则表达式 通过正则表达式匹配HTML标签并替换为空字符串。这种方法简单但可能无法处理复杂的HTML结构或嵌套标签。

String html = "<p>Hello, <b>world</b>!</p>";
String plainText = html.replaceAll("<[^>]*>", "");
System.out.println(plainText); // 输出: Hello, world!

使用Jsoup库 Jsoup是一个专门用于处理HTML的Java库，提供更精准的HTML解析和文本提取功能。

import org.jsoup.Jsoup;

String html = "<div>Sample <a href='#'>link</a></div>";
String plainText = Jsoup.parse(html).text();
System.out.println(plainText); // 输出: Sample link

使用Apache Commons Text Apache Commons Text库的StringEscapeUtils类可以处理简单的HTML转义字符，但需注意其已弃用部分方法。

import org.apache.commons.text.StringEscapeUtils;

String html = "<div>Unescape example</div>";
String plainText = StringEscapeUtils.unescapeHtml4(html);
System.out.println(plainText); // 输出: <div>Unescape example</div>

注意事项

• 正则表达式可能无法处理自闭合标签（如<img/>）或包含>的属性值。
• Jsoup会保留换行和空格，可能需额外调用trim()处理空白字符。
• 复杂场景（如保留特定标签）需结合DOM遍历或自定义过滤规则。