【Java用法】Java 过滤html标签获取纯文本信息

ゝ一纸荒年。 2022-12-24 11:00 668阅读 0赞

**本文目录**

方案一、Hutool工具类

方案二、Spring 自带的工具类

方案三、自己编写正则工具类

--------------------

这个功能挺简单的，用正则即可实现，但是有很多优秀的人都做过了，你说咱们还有必要重复造轮子吗？过滤HTML标签，也是为了安全起见，它能有效的放置XSS攻击。

# 方案一、Hutool工具类 #

cn.hutool.http.HtmlUtil 可以实现Html标签的过滤，有很多方法，具体使用需要自行测试。

package com.soft.practice.javacolume1;
    
    import cn.hutool.http.HtmlUtil;
    import cn.hutool.json.JSONUtil;
    import com.soft.practice.domain.dataobject.MainsiteQuoteDO;
    
    public class HtmlFilterTest {
    
        public static void main(String[] args) {
            MainsiteQuoteDO mainsiteQuoteDO = new MainsiteQuoteDO();
            mainsiteQuoteDO.setArea("<div><p><span class='width:60px'>这是面积<span/></p></div>");
            mainsiteQuoteDO.setCity("<div class=\"article-content\"><p><span class=\"bjh-p\"感知</span></p><p><span class=\"bjh-p\">【美侦察机前往侦察】");
            mainsiteQuoteDO.setCustomerMessage("\"<div class=\\\"article-content\\\"><p><span class=\\\"bjh-p\\\">\" +\n" +
                    "                \"感知</span></p><p><span class=\\\"bjh-p\\\">【美侦察机前往侦察】\"");
            mainsiteQuoteDO.setSearchKey("<div><p><span class='width:60px'>这是面积<span/></p></div>");
    
            String s = HtmlUtil.cleanHtmlTag(JSONUtil.toJsonStr(mainsiteQuoteDO));
            MainsiteQuoteDO quoteDO = JSONUtil.toBean(s, MainsiteQuoteDO.class);
            System.out.println(quoteDO);
        }
    }

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDI5OTAyNw_size_16_color_FFFFFF_t_70][]

# 方案二、Spring 自带的工具类 #

org.springframework.web.util.HtmlUtils 可以实现HTML标签及转义字符之间的转换。  这个HtmlUtils里有可多方法，具体如何使用可自行试验。

代码如下：

/** HTML转义 **/  
    String s = HtmlUtils.htmlEscape("<div>hello world</div><p> </p>");  
    System.out.println(s);  
    String s2 = HtmlUtils.htmlUnescape(s);  
    System.out.println(s2);

输出结果：

<div>hello world</div><p>&nbsp;</p>  
      
    <div>hello world</div><p> </p>

# 方案三、自己编写正则工具类 #

import org.slf4j.Logger;
    import org.slf4j.LoggerFactory;
    
    import org.springframework.util.StringUtils;
    
    import java.util.regex.Matcher;
    import java.util.regex.Pattern;
    
    /**
     * HTML标签过滤工具
     *
     * @author jim
     * @date 2017/11/27
     */
    public final class HtmlUtils {
    
        private static final Logger logger = LoggerFactory.getLogger(HtmlUtils.class);
    
        /**
         * 禁止实例化
         */
        private HtmlUtils() {
            throw new IllegalStateException("禁止实例化");
        }
    
        /**
         * 过滤HTML标签输出文本
         *
         * @param inputString 原字符串
         * @return 过滤后字符串
         */
        public static String Html2Text(String inputString) {
            if (StringUtils.isEmpty(inputString)) {
                return "";
            }
    
            // 含html标签的字符串
            String htmlStr = inputString.trim();
            String textStr = "";
            Pattern p_script;
            Matcher m_script;
            Pattern p_style;
            Matcher m_style;
            Pattern p_html;
            Matcher m_html;
            Pattern p_space;
            Matcher m_space;
            Pattern p_escape;
            Matcher m_escape;
    
            try {
                // 定义script的正则表达式{或<script[^>]*?>[\\s\\S]*?<\\/script>
                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>
                String regEx_style = "<[\\s]*?style[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?style[\\s]*?>";
    
                // 定义HTML标签的正则表达式
                String regEx_html = "<[^>]+>";
    
                // 定义空格回车换行符
                String regEx_space = "\\s*|\t|\r|\n";
    
                // 定义转义字符
                String regEx_escape = "&.{2,6}?;";
    
                // 过滤script标签
                p_script = Pattern.compile(regEx_script, Pattern.CASE_INSENSITIVE);
                m_script = p_script.matcher(htmlStr);
                htmlStr = m_script.replaceAll("");
    
                // 过滤style标签
                p_style = Pattern.compile(regEx_style, Pattern.CASE_INSENSITIVE);
                m_style = p_style.matcher(htmlStr);
                htmlStr = m_style.replaceAll("");
    
                // 过滤html标签
                p_html = Pattern.compile(regEx_html, Pattern.CASE_INSENSITIVE);
                m_html = p_html.matcher(htmlStr);
                htmlStr = m_html.replaceAll("");
    
                // 过滤空格回车标签
                p_space = Pattern.compile(regEx_space, Pattern.CASE_INSENSITIVE);
                m_space = p_space.matcher(htmlStr);
                htmlStr = m_space.replaceAll("");
    
                // 过滤转义字符
                p_escape = Pattern.compile(regEx_escape, Pattern.CASE_INSENSITIVE);
                m_escape = p_escape.matcher(htmlStr);
                htmlStr = m_escape.replaceAll("");
    
                textStr = htmlStr;
    
            } catch (Exception e) {
                logger.info("Html2Text:{}", e.getMessage());
            }
    
            // 返回文本字符串
            return textStr;
        }
    }

完结！

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDI5OTAyNw_size_16_color_FFFFFF_t_70]: /images/20221120/2bf54f66e5094699be00378123465dca.png