相关疑难解决方法(0)

有没有一种从Java字符串中删除HTML的好方法？一个简单的正则表达式

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

会工作,但&不会正确转换,两个尖括号之间的非HTML将被删除(即.*?正则表达式将消失).

我有以下代码:

 public class NewClass {
     public String noTags(String str){
         return Jsoup.parse(str).text();
     }


     public static void main(String args[]) {
         String strings="<!DOCTYPE HTML PUBLIC \"-//W3C//DTD HTML 4.0 Transitional//EN \">" +
         "<HTML> <HEAD> <TITLE></TITLE> <style>body{ font-size: 12px;font-family: verdana, arial, helvetica, sans-serif;}</style> </HEAD> <BODY><p><b>hello world</b></p><p><br><b>yo</b> <a href=\"http://google.com\">googlez</a></p></BODY> </HTML> ";

         NewClass text = new NewClass();
         System.out.println((text.noTags(strings)));
}

我有结果:

hello world yo googlez

但我想打破界限:

hello world
yo googlez

我查看了jsoup的TextNode#getWholeText()但我无法弄清楚如何使用它.

如果<br>我解析了标记中的a ,那么如何在结果输出中获得换行符？

朋友我必须从url解析描述,其中解析的内容有很少的html标签,所以如何将其转换为纯文本.