从字符串中删除斜体和粗体html标签？

Question

除了以下内容之外，删除粗体和斜体的更安全的方法是什么？

        String text = "<b>Remove <i>bold</i> and italics</b>";
        System.out.println(text);
        text = text.replaceAll("\\<.*?\\>", ""); //remove all but only want to remove b and i?
        System.out.println(text);

此外，还有更多可扩展性（如果我想包含其他标签，如“strong”或“em”，并允许区分大小写“b”与“B”等，。）？

Answer 1

你可以使用这个正则表达式：
          <\/?[bi]>

DEMO

代码：

    String text = "<b>Remove <i>bold</i> and italics</b>"; 
    text = text.replaceAll("<\\/?[bi]>", "");  
    System.out.println(text);

<强>输出

Remove bold and italics

如果您希望匹配不区分大小写，则可以使用corresponding flag (?i)

<强>说明

Answer 2

您可以使用Jsoup清除Whitespace。 Whitespace是可扩展的，包括要省略的属性。

根据这里的javadoc

  

白名单定义允许通过的HTML（元素和属性）   清洁工。其他一切都被删除了。 ...

     

如果你需要允许更多（请小心！），调整一个基地   白名单：

     

  
• addTags（java.lang.String中......）
  
• addAttributes（java.lang.String，java.lang.String ...）
  
• addEnforcedAttribute（java.lang.String，java.lang.String，java.lang.String）
  
• addProtocols（java.lang.String，java.lang.String，java.lang.String ...）
  

在您的代码中：

String text = "<b>Remove <i>bold</i> and italics</b>";
        System.out.println(text);
        String doc =  Jsoup.clean(text, new Whitelist());
        System.out.println(doc);

给出：

<b>Remove <em>bold</i> and italics</b>
Remove bold and italics

Answer 3

使用像JSoup库之类的东西，而不是使用正则表达式来解析HTML，这将使您的生活更轻松，并使其更具可扩展性。这是一些示例代码

   Document doc = Jsoup.parse(content);
   Elements elements = doc.getElementsByTag("b");
   for (Element pre : elements) {
             pre.remove();
    }

要删除斜体，请将"b"替换为"i"

<强>更新

我没有测试过以下代码，但可能会有效。

JSoup允许选择类似css的选择器，因此像doc.select("strong, em, b, i");这样的东西应该返回Elements

Link to documentation