【转】java使用正则表达式去除字符串的html标签

http://www.javaeye.com/topic/217508

新闻内容或者博客文章，如果显示摘要，需要去除内容的html格式标签，找到一个正则表达式，实现了：

代码/**
* 删除input字符串中的html格式
*
* @param input
* @param length
* @return
*/
public static String splitAndFilterString(String input, int length) {
if (input == null || input.trim().equals("")) {
return "";
}
// 去掉所有html元素,
String str = input.replaceAll("\\&[a-zA-Z]{1,10};", "").replaceAll(
"<[^>]*>", "");
str = str.replaceAll("[(/>)<]", "");
int len = str.length();
if (len <= length) {
return str;
} else {
str = str.substring(0, length);
str += "......";
}
return str;
}其中：

\\&代表 &字符 ，而[a-zA-Z]{1,10} 代表任意字母(包含大小写)组成的字串,长度为1到10 ，这样的表达式用来匹配例如：< >   之类的字串 。

原帖的另一回帖：

方法明显太过暴力，假如我的内容用<1><2><3>这样的形式来作为步骤的标示，那不是一样被删。

// 去掉所有html元 素,
String str = input.replaceAll("<[a-zA-Z]+[1-9]?[^><]*>", "")
.replaceAll("</[a-zA-Z]+[1-9]?>", "");