java - 从从 XML 中提取的文本中剥离标签

Question

我正在解析 XML 文档。我做getTextContent()从我想要的特定部分获取文本。我得到的文本有像

这样的标签

<italic> </italic>
<sub> </sub>

..还有更多。我想去掉这些标签，只保留文本，不管标签是什么。

我的文档是这样的

<article>
   <sec>Section 1</sec>  
   <sec>Section 2
      <title>Title1</title>
      <sec>
         <title>Subtitle1</title>
         <p>........<italic> </italic>...</p>
      </sec>
      <sec>
         <title>Subtitle2</title>
         <p>........<sub> </sub>...</p>
      </sec>
   </sec>
</article>

我需要 <p>...</p> 中的所有文本没有标签。我该怎么办？我正在考虑识别所有标签并将其替换为 "" .但必须有更好的方法。

谢谢

Answer 1

您可以将此正则表达式应用于 getTextContent() 的结果

String noHTMLString = htmlString.replaceAll("\\<.*?\\>", "");