जावा में HTML टैग को कैसे हटाएं

Question

क्या नियमित अभिव्यक्ति है जो पूरी तरह से HTML टैग को हटा सकती है? वैसे, मैं जावा का उपयोग कर रहा हूं।

Answer 1

आपको इसके बजाय एक HTML पार्सर का उपयोग करना चाहिए। मुझे htmlCleaner पसंद है, क्योंकि यह मुझे HTML का एक सुंदर मुद्रित संस्करण देता है।

htmlCleaner के साथ आप कर सकते हैं:

TagNode root = htmlCleaner.clean(stream); 
Object[] found = root.evaluateXPath("//div[id='something']"); 
if(found.length > 0 && found instanceof TagNode) { 
    ((TagNode)found[0]).removeFromTree(); 
} 

Answer 2

सं रेगुलर एक्सप्रेशन परिभाषा पार्स एचटीएमएल से नहीं कर सकते।

आप s/<[^>]*\>// पर रीगेक्स का उपयोग कर सकते हैं या ऐसा कुछ बेवकूफ़ बना सकते हैं लेकिन यह अपर्याप्त होगा, खासकर अगर आप टैग की सामग्री को हटाने में रुचि रखते हैं।

जैसा कि एक अन्य पोस्टर ने कहा, एक वास्तविक HTML पार्सर का उपयोग करें।

Answer 3

तुम सिर्फ टैग हटाने की जरूरत है, तो आप इस रेगुलर एक्सप्रेशन का उपयोग कर सकते हैं:

content = content.replaceAll("<[^>]+>", ""); 

यह केवल टैग अन्य HTML सामान निकाल देंगे, लेकिन नहीं। अधिक जटिल चीजों के लिए आपको पार्सर का उपयोग करना चाहिए।

संपादित: HTML के साथ समस्याओं से बचने के टिप्पणी आप निम्न कर सकते हैं:

content = content.replaceAll("<!--.*?-->", "").replaceAll("<[^>]+>", ""); 

Answer 4

वैकल्पिक रूप से, अगर आपके इरादे प्रदर्शित करने के लिए उपयोगकर्ता नियंत्रित इनपुट वापस ग्राहक के लिए है, तो आप भी कर सकते हैं बस <&lt; और सभी >> द्वारा प्रतिस्थापित करें। इस तरह एचटीएमएल का अर्थ क्लाइंट के आवेदन (वेबब्रोसर) द्वारा नहीं किया जाएगा।

यदि आप जेएसपी का उपयोग तकनीक के रूप में कर रहे हैं, तो आप इसके लिए जेएसटीएल के c:out का उपयोग कर सकते हैं। यह डिफ़ॉल्ट रूप से सभी HTML इकाइयों से बच जाएगा। तो उदाहरण के लिए

<c:out value="<script>alert('XSS');</script>" /> 

अलर्ट प्रदर्शित नहीं करेगा, लेकिन केवल वास्तविक स्ट्रिंग दिखाएं।

Answer 5

आप सभी html टैग हटाने के लिए इस सरल कोड का उपयोग कर सकते हैं ...

htmlString.replaceAll("\\<.*?\\>", "")) 

Answer 6

वहाँ JSoup जो एक जावा एचटीएमएल हेरफेर के लिए बनाया पुस्तकालय है। clean() विधि और WhiteList ऑब्जेक्ट को देखें। समाधान का उपयोग करने में आसान है!

Answer 7

आपको किसी भी HTML पार्सर की आवश्यकता नहीं है। नीचे दिए गए कोड सभी HTML टिप्पणियों को हटा:

htmlString = htmlString.replaceAll("(?s)<!--.*?-->", "");