Java 替换字符串中的所有非 HTML 标签

Question

如果那些不是有效的 HTML 标签，我想替换字符串中所有看起来像标签的部分。看起来像标签的部分是包含在 <> 中的东西括号。例如。 <myemail@email.com>或 <hello>但是<br> , <div> , 等等必须保留。

你知道如何实现吗？

感谢任何帮助!

干杯，

胡说八道

Answer 1

您可以使用 JSoup清理 HTML。

String cleaned = Jsoup.clean(html, Whitelist.relaxed());

您可以使用定义的 Whitelists 之一或者你可以创建你自己的自定义一个，你可以在其中指定你希望允许哪些 HTML 元素通过清理器。其他所有内容都被删除。

---

您的具体示例是:

String html = "one two three <blabla> four <text> five <div class=\"bold\">six</div>";
String cleaned = Jsoup.clean(html, Whitelist.relaxed().addAttributes("div", "class"));
System.out.println(cleaned);

输出:

one two three  four  five 
<div class="bold">
 six
</div>