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>

我想删除图像标记，并在字符串数组中前后获取该部分。

修改致电后

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

结果将是：

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

我想说正则表达式是必需的，请注意img标签可以在不同的字符串之间：例如，它可以有一个或多个属性。

Answer 1

对包含许多IMG标记的复杂HTML使用StringTokenizer，String.split（）或HTML解析器。

Answer 2

您应该使用HTML Parser来解析HTMLs，因为您的代码可能会有所不同，Regex无法完全处理。

但是，鉴于此情况，您只想删除<img>标记，无论其具有何种属性，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>

您希望看到以下链接： -

Why shouldn't you parse HTML with Regexp
The true power of Regular Expression - 请仔细阅读。

您可以使用HTML解析器，例如： -

Answer 3

请尝试以下代码：

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，如果在单行中使用了超过<img>个标记，则应该对其进行适当的解析。

参考here。

Answer 4

如果要删除所有html标签，可以使用以下代码：

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

将html字符串分为两部分：<img/>标记之前和之后

4 个答案: