如何查找String是否包含html数据？答案

【问题标题】：How to find if String contains html data?如何查找String是否包含html数据？
【发布时间】：2011-03-04 09:11:13
【问题描述】：

如何判断一个字符串是否包含 HTML 数据？用户通过网络界面提供输入，他很可能使用简单的文本或 HTML 格式。

【问题讨论】：

How to validate that a string doesn't contain HTML using C#的可能重复
OP想用Java做，这怎么重复？

标签： java html

【解决方案1】：

您可以使用正则表达式来搜索 HTML 标签。

【讨论】：

啊，老问题#2。 Tom 是对的，正则表达式是完成工作的最直接方法，而且网上通常有很多示例可以帮助您进行操作。
@Alex Larzelere：问题 #2？你可以解释吗？这是一个 xkcd 参考（“现在你有两个问题”），还是别的什么？
@Cperkins 就是这样。老问题 #2，问题 #1 当然是您最初尝试做的任何事情。

【解决方案2】：

在你的backing bean中，你可以尝试找到html标签，如<b>或<i>等... 您可以使用正则表达式（慢）或尝试查找“”字符。这取决于您对用户是否使用 html 的确定程度。

请记住，用户可以写<asdf>。如果您想 100% 确定使用的 html 是有效的，您将需要使用某个库中的复杂 html 解析器（也许是 TidyHTML？）

【讨论】：

【解决方案3】：

您只能通过正则表达式字符串获得帮助。它们可以帮助您找出潜在的 html 标签。然后，您可以比较内部以包含任何 html 关键字。如果找到，请发出警告，告诉您不要使用 HTML。或者，如果您觉得不合适，直接将其删除。

【讨论】：

【解决方案4】：

如果您不希望用户在其输入中包含 HTML，则可以将所有“' （& 和 g 之间没有空格）

【讨论】：

【解决方案5】：

我知道这是一个老问题，但我遇到了它并正在寻找更全面的东西，可以检测 HTML 实体之类的东西，并且会忽略符号的其他用途。我想出了以下运行良好的类。

你可以在http://ideone.com/HakdHo现场玩它

我还通过一堆 JUnit 测试将其上传到 GitHub。

package org.github;

/**
 * Detect HTML markup in a string
 * This will detect tags or entities
 *
 * @author dbennett455@gmail.com - David H. Bennett
 *
 */

import java.util.regex.Pattern;

public class DetectHtml
{
    // adapted from post by Phil Haack and modified to match better
    public final static String tagStart=
        "\\<\\w+((\\s+\\w+(\\s*\\=\\s*(?:\".*?\"|'.*?'|[^'\"\\>\\s]+))?)+\\s*|\\s*)\\>";
    public final static String tagEnd=
        "\\</\\w+\\>";
    public final static String tagSelfClosing=
        "\\<\\w+((\\s+\\w+(\\s*\\=\\s*(?:\".*?\"|'.*?'|[^'\"\\>\\s]+))?)+\\s*|\\s*)/\\>";
    public final static String htmlEntity=
        "&[a-zA-Z][a-zA-Z0-9]+;";
    public final static Pattern htmlPattern=Pattern.compile(
      "("+tagStart+".*"+tagEnd+")|("+tagSelfClosing+")|("+htmlEntity+")",
      Pattern.DOTALL
    );

    /**
     * Will return true if s contains HTML markup tags or entities.
     *
     * @param s String to test
     * @return true if string contains HTML
     */
    public static boolean isHtml(String s) {
        boolean ret=false;
        if (s != null) {
            ret=htmlPattern.matcher(s).find();
        }
        return ret;
    }

}

【讨论】：

【解决方案6】：

我正在使用正则表达式：

[\S\s]*\<html[\S\s]*\>[\S\s]*\<\/html[\S\s]*\>[\S\s]*

所以在 JAVA 中它看起来像：

text.matches("[\\S\\s]*\\<html[\\S\\s]*\>[\\S\\s]*\\<\\/html[\\S\\s]*\\>[\S\s]*");

它应该匹配任何包含“html”元素的正确（以及一些不正确的）XML 文件。所以可能会有误报。

编辑：

自从我发布后，我已经删除了最后一部分关闭 html 元素，因为我发现一些网站不使用它。（？！）因此，如果您更喜欢误报而不是误报，我鼓励这样做！

【讨论】：

【解决方案7】：

下面将匹配任何标签。您还可以提取标签、属性和值

    Pattern pattern = Pattern.compile("<(\\w+)( +.+)*>((.*))</\\1>");
    Matcher matcher = pattern.matcher("<as testAttr='5'> TEST</as>");
    if (matcher.find()) {
        for (int i = 0; i < matcher.groupCount(); i++) {
            System.out.println(i + ":" + matcher.group(i));
        }
    }

【讨论】：