java - 将 html 字符串分成两部分：标签之前和之后

Question

我有一些可以有标签的 html 字符串，如下所示：

<p> blablabla <img> an image</img> again blablabla</p>

我想删除图像标签，并在字符串数组中获取之前和之后的部分。

编辑： 调用后

String[] splitted = htmlStr.split("regex");

结果将是：

splitted[0] = "<p> blablabla ";
splitted[1] = "again blablabla</p>"

我想说一个正则表达式是必需的，请注意 img 标签可能因字符串而异：例如，它可以具有一个或多个属性。

Answer 1

您应该使用HTML Parserfor 解析HTMLs，因为您的标签可能会有所不同，无法完全由Regex.

但是，对于这种情况，您只想删除<img>标签，无论它具有什么属性，您都可以使用以下正则表达式：-

String str = "<p> blablabla <img> an image</img> again <img href = sadf> " + 
             "asdf asdf </img>blablabla</p>";

str = str.replaceAll("<img\\s*[^>]*?>[^<]*?</img>", "");
System.out.println(str);

输出： -

<p> blablabla  again blablabla</p>

您想查看以下链接：-

• 为什么不应该用 Regexp 解析 HTML
• 正则表达式的真正力量- 一定要经历它。

您可以使用 HTML 解析器，例如：-

• 汤
• HTML 清理器

Answer 2

试试下面的代码：

String str = "<p> blablabla <img> an image</img> again blablabla</p>";
int start = str.indexOf("<img");
int end = str.indexOf("</img>");
String imgTagValue = str.substring(0,start) + str.substring(end, str.length());

但是，如果在一行<img>中使用了多个标签，则应该对其进行适当的解析。

参考这里。

Answer 3

如果要删除所有 html-tags，可以使用以下代码：

string = string.replaceAll("\\<.*?\\>", "");

Answer 4

使用 StringTokenizer、String.split() 或 HTML 解析器来处理具有许多 IMG 标记的复杂 HTML。