java 正则表达式过滤html元素

zhaisx

程序代码：
/**
     * filter all html element.
     * For example:"www.sohu.com/test">hello!
     * The filter result is :hello!
     * Notice:This method filter the text between " and ">"
     * @param element
     * @return
     */
    public static String getTxtWithoutHTMLElement (String element)
    {
//      String reg="]+>";
//      return  element.replaceAll(reg,"");
        
        if(null==element||"".equals(element.trim()))
        {
            return element;
        }
        Pattern pattern=Pattern.compile("]*>");
        Matcher matcher=pattern.matcher(element);
        StringBuffer txt=new StringBuffer();
        while(matcher.find())
        {
            String group=matcher.group();
            if(group.matches(""))
            {
                matcher.appendReplacement(txt,group);   
            }
            else
            {
                matcher.appendReplacement(txt,"");
            }
        }
        matcher.appendTail(txt);
        repaceEntities(txt,"&","&");
        repaceEntities(txt,",");        
        repaceEntities(txt,">",">");
        repaceEntities(txt,""","\"");
        repaceEntities(txt," ","");
        
        return txt.toString();
    }
下面是测试用例：
public void testGetTxtWithoutHTMLElement ()
    {
        
        assertEquals("test",ExcelHssfView.getTxtWithoutHTMLElement("test"));
        
        assertEquals("test",ExcelHssfView.getTxtWithoutHTMLElement("test"));
        
        assertEquals("test",ExcelHssfView.getTxtWithoutHTMLElement("test"));
        
        assertEquals("test",ExcelHssfView.getTxtWithoutHTMLElement("test"));
        
        assertEquals("test",ExcelHssfView.getTxtWithoutHTMLElement("test"));
        
        assertEquals("te,ExcelHssfView.getTxtWithoutHTMLElement("te));
        
        assertEquals("te>st",ExcelHssfView.getTxtWithoutHTMLElement("te>st"));
        
        assertEquals("tst",ExcelHssfView.getTxtWithoutHTMLElement("tst"));
        
        assertEquals("t,ExcelHssfView.getTxtWithoutHTMLElement("tst"));
        
        assertEquals("test",ExcelHssfView.getTxtWithoutHTMLElement("test"));
        
        assertEquals("test",ExcelHssfView.getTxtWithoutHTMLElement("test"));
        
        assertEquals("test",ExcelHssfView.getTxtWithoutHTMLElement("test"));
        
        assertEquals("test",ExcelHssfView.getTxtWithoutHTMLElement(" test"));
        
    }


本文来自ChinaUnix博客，如果查看原文请点：http://blog.chinaunix.net/u1/33099/showart_326025.html