Java过滤HTML标签，即提取HTML中的纯文本，不使用正则表达式【jsoup方式，超级简单】，附富文本方式

服务器端提取方案（Jsoup方式）

如果你想从带HTML标签的字符串中提取纯文本的话，可以使用jsoup工具包，非常简单

应用场景，比如你的网站有个富文本编辑器，富文本编辑器中带有很多html标签，比如p标签，img标签等等，这些在富文本编辑器中时非常常见的，而富文本提交的信心带标签，我们有的时候不是要把添加的内容完全展示，而是展示缩略信息就好（也就是纯文本信息），这样简略也不影响布局，就想我们CSDN的文字缩略信息，就是从富文本内容中提取了纯文本信息（我猜的）

原文链接：https://blog.csdn.net/qq_31384551/article/details/81326812

实现：使用jsoup，这个是干嘛的百度去，导入jar包，链接

复制代码

<!-- https://mvnrepository.com/artifact/org.jsoup/jsoup -->
<dependency>
    <groupId>org.jsoup</groupId>
    <artifactId>jsoup</artifactId>
    <version>1.16.1</version>
</dependency>

复制代码

<dependency>
            <groupId>org.jsoup</groupId>
            <artifactId>jsoup</artifactId>
            <version>1.11.3</version>
        </dependency>
不使用maven的自己下载去jar下载地址
这样就实现了过滤标签/提取纯文本

客户端方案(富文本方式)
在网页中发布文章的时候提取纯文本，一般是使用富文本编辑器编写文章，大多富文本都提供有提取富文本中纯文本的api

百度UEditor 

ue.getContentTxt();
wangEditor

editor.txt.text();
其他的编辑器请仔细阅读文档
————————————————
版权声明：本文为CSDN博主「BigBug博客」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_31384551/article/details/81326812

当遇到这个需求的时候第一反应就是使用正则的！进行非匹配筛选，看了一些别人写的，表示看不懂。。。

然后有点投机取巧的意思可以把不要的匹配出来然后在替换掉

提取文本

思路：去掉所有标签

复制代码

	/**
     * 正则预编译
     */
    private static final Pattern pattern = Pattern.compile("(<.+?>)|(</.+?>)");
       
	/**
     * @Description: 去掉富文本标签
     * @param content 富文本
     * @Author: zlh
     * @Date: 2020/7/10 10:06
     * @Return java.lang.String
     */
    public String dealContent(String content){
       // 匹配标签
        Matcher matcher = pattern.matcher(content);
        while (matcher.find()){
            // 替换图片
            content= matcher.replaceAll("").replace(" ", "");
        }

        return content;
    }

提取中文

思路：匹配中文

复制代码

	/**
     * 正则预编译
     */
   private static final Pattern pattern = Pattern.compile("([\\u4e00-\\u9fa5]+)");

	public static String getZh(String str) {
	        String zh = "";
	
	        Matcher matcher = Pattern.compile(regx).matcher(str);
	        while (matcher.find()) {
	            zh += match.group(0)
	        }
	        return zh;
    }

这个只是匹配中文如果你的标签中含有中文也会匹配，文本中含有数组，字符不会匹配。