java去除字符串中html、js、css标签

古城微笑少年丶 2022-01-17 00:15 788阅读 0赞

import java.util.regex.Pattern;
    
    /**
     *
     * 字符串处理
     * @author zhang
     */
    public class StringUtil {
    
        /**
         * 过滤字符串中的HTML代码
         */
        public static String html2Text(String inputString) {
            if(BeanUtil.isEmpty(inputString)){
                return "";
            }
            String htmlStr = inputString; // 含html标签的字符串
            String textStr = "";
            java.util.regex.Pattern p_script;
            java.util.regex.Matcher m_script;
            java.util.regex.Pattern p_style;
            java.util.regex.Matcher m_style;
            java.util.regex.Pattern p_html;
            java.util.regex.Matcher m_html;
            java.util.regex.Pattern p_html1;
            java.util.regex.Matcher m_html1;
    
            try {
                // 定义script的正则表达式{或<script[^>]*?>[//s//S]*?<///script> 去除js可以防止注入
                String regEx_script = "<[//s]*?script[^>]*?>[//s//S]*?<[//s]*?///[//s]*?script[//s]*?>";
                // 定义style的正则表达式{或<style[^>]*?>[//s//S]*?<///style> 去除style样式，防止css代码过多时只截取到css样式代码
                String regEx_style = "<[//s]*?style[^>]*?>[//s//S]*?<[//s]*?///[//s]*?style[//s]*?>";
                // 定义HTML标签的正则表达式   去除标签，只提取文字内容
                String regEx_html = "<[^>]+>";
                //定义空格,回车,换行符,制表符
                String spaceRegex = "\\s*|\t|\r|\n";
    
                p_script = Pattern.compile(regEx_script, Pattern.CASE_INSENSITIVE);
                m_script = p_script.matcher(htmlStr);
                htmlStr = m_script.replaceAll(""); // 过滤script标签
    
                p_style = Pattern.compile(regEx_style, Pattern.CASE_INSENSITIVE);
                m_style = p_style.matcher(htmlStr);
                htmlStr = m_style.replaceAll(""); // 过滤style标签
    
                p_html = Pattern.compile(regEx_html, Pattern.CASE_INSENSITIVE);
                m_html = p_html.matcher(htmlStr);
                htmlStr = m_html.replaceAll(""); // 过滤html标签
    
                htmlStr = htmlStr.replaceAll(spaceRegex, "");
    
                textStr = htmlStr;
    
            } catch (Exception e) {
                System.err.println("Html2Text: " + e.getMessage());
            }
    
            return textStr;// 返回文本字符串
        }
    }