有没有什么方法可以在Java中将html转换为可读格式？

Question

我有一些内容采用html格式的电子邮件，我希望以可读格式保存在数据库中的任何输入。

此外我还收到了一个文本文件转储的电子邮件，我需要从中提取数据。任何输入。所有在java

Answer 1

如果您要删除所有HTML标记，请查看Jsoup。 下面的代码使用Jsoup应该删除所有的html标签，并为您提供纯文本。

public static String html2text(String html) {
    return Jsoup.parse(html).text();
}

Answer 2

您可以尝试删除所有代码，只留下代码内容的“文字”：

String text = str.replaceAll("(?m)<.*?>", "");

但它并不适用于所有情况。

Answer 3

HTML a＆＃34;可读＆＃34;格式。但是，如果您正在寻找抽象HTML主义的东西，那么您可以查看几个库。 jsoup就是一个例子。这里要查找的关键字主要是＆＃34; DOM＆＃34;，＆＃34; HTML解析器＆＃34;和＆＃34; XSS预防＆＃34;。

Answer 4

您可以使用HtmlCleaner删除html标记。

Answer 5

This page描述了三种提取数据的方法

• 使用正则表达式
• 使用Swing
中包含的HTMLEditorKit
• 使用像JSoup
这样的HTML解析器库

哪一个最适合你的是你决定，一个重要的考虑因素是它为你的应用程序添加的依赖项 - 例如，如果你已经有一个桌面应用程序，Swing依赖可能不会受到伤害，而在服务器应用程序中可能不是最好的主意。