从字符串中删除 HTML - RSS答案

【问题标题】：Remove HTML from String - RSS从字符串中删除 HTML - RSS
【发布时间】：2014-01-10 19:33:55
【问题描述】：

我目前正在构建一个 RSS 阅读器，一些网站有奇怪的 rss-2.0 文件，我必须先对其进行修改才能显示它们。

其中一个是seen here:

问题是描述标签不仅包含描述文本还包含一些

像<a href ... /><img src ... />这样的html元素

如何在不查找每个属性的情况下删除所有这些不必要的信息？

Java 中有什么可用的吗？或者在这种情况下正则表达式有用吗？

【问题讨论】：

【解决方案1】：

您可以使用此正则表达式删除 HTML 标记：

String noHtml = html.replaceAll("\\<.*?>","");

尽管如此，我还是会使用 jsoup 来解析 Java 中的 HTML 代码。

【讨论】：

【解决方案2】：

忽略CDATA里面的所有如

<content:encoded><![CDATA[...

【讨论】：