在 Java 中替换 ASCII 代码和 HTML 标记答案

【问题标题】：Replace ASCII codes and HTML tags in Java在 Java 中替换 ASCII 代码和 HTML 标记
【发布时间】：2020-12-14 22:18:27
【问题描述】：

如果不使用StringEscapeUtils，我怎样才能达到低于预期的结果？

public class Main {
    public static void main(String[] args) throws Exception {
      String str = "<p><b>Send FWB <br><br> &#40;if AWB has COU SHC, <br> if ticked , will send FWB&#41;</b></p>";
      str = str.replaceAll("\\<.*?\\>", "");
      System.out.println("After removing HTML Tags: " + str);
    }
}

当前结果：

After removing HTML Tags: Send FWB  &#40;if AWB has COU SHC,  if ticked , will send FWB&#41;

预期结果：

After removing HTML Tags: Send FWB  if AWB has COU SHC,  if ticked , will send FWB;

已检查： How to unescape HTML character entities in Java?

PS：这只是一个示例，输入可能会有所不同。

【问题讨论】：

您的正则表达式用于 hml 标签 html 实体将匹配您未替换的 &.*; 之类的内容
试试str = str.replaceAll("\\<.*?\\>|&.*;", "");
以上只返回After removing HTML Tags: Send FWB
我错了：str = str.replaceAll("\\<.*?\\>|&.*?;", ""); 应该可以。在regexr.com 上对其进行了测试

标签： java html string replace ascii

【解决方案1】：

您的正则表达式用于 html 标记 <something> 将被匹配，而 html 实体将不匹配。他们的模式类似于&.*?;，您不会替换它。

这应该可以解决您的问题：

str = str.replaceAll("\\<.*?\\>|&.*?;", "");

如果您想在沙盒中对此进行试验，请尝试 regxr.com 并使用 (\<.*?\>)|(&.*?;) 括号使两个不同的捕获组易于在工具上识别，并且在您的代码中不需要。请注意，\ 不需要在该沙盒操场上进行转义，但它必须在您的代码中，因为它在字符串中。

【讨论】：