您现在的位置：程式碼之家 >> 編程語言 > >> Java 程式設計 >> Java 相關知識

Java 移除 HTML 標籤工具類：HTMLServices 完整實作解析

編輯：Java 相關知識

前言

在處理網頁爬蟲、內容過濾或 XSS 防護時，常需從字串中移除 HTML 標籤。本文介紹一個功能完整的 HTMLServices 工具類，提供多種重載方法支援：純標籤移除、空白字元清理、長度截斷、CSS 樣式解析等進階功能。

核心功能：移除 HTML 標籤

使用正則表達式 (?is)<(.*?)> 進行不區分大小寫、單行模式的全域替換：

/**
 * 移除字串中的所有 HTML 標籤
 * @param args 待處理字串
 * @return 移除標籤後的純文字內容
 */
public static String clearHTMLToString(String args) {
    return clearHTMLToString(args, false);
}

/**
 * 移除 HTML 標籤，可選是否清理空白字元
 * @param args 待處理字串
 * @param replaceNull true=移除空白/換行/製表符
 * @return 處理後字串
 */
public static String clearHTMLToString(String args, boolean replaceNull) {
    if (StringUtils.isEmpty(args)) {
        return "";
    }
    // (?i) 不區分大小寫，(?s) 讓 . 匹配換行符
    args = args.replaceAll("(?is)<(.*?)>", "");
    if (replaceNull) {
        args = args.replaceAll("\\s*|\\t|\\r|\\n", "");
    }
    return args;
}

進階功能：長度限制與尾碼補充

支援移除標籤後指定最大長度，超出時自動截斷並加上替代字串（如「...」）：

/**
 * 移除 HTML 標籤並限制最大長度
 * @param args 待處理字串
 * @param maxSize 最大長度
 * @return 處理後字串
 */
public static String clearHTMLToString(String args, int maxSize) {
    return clearHTMLToString(args, maxSize, "");
}

/**
 * 移除 HTML 標籤並限制最大長度，支援自訂替代字串
 * @param args 待處理字串
 * @param maxSize 最大長度
 * @param replace 超出長度時的替代字串（如 "..."）
 * @return 處理後字串
 */
public static String clearHTMLToString(String args, int maxSize, String replace) {
    args = clearHTMLToString(args);
    if (maxSize <= 0 || args.length() <= maxSize) {
        return args;
    }
    return args.substring(0, maxSize).concat(replace);
}

CSS 樣式解析工具

類別還內建 CSS 樣式字串與 Map 互轉功能，方便處理內聯樣式：

/**
 * 將 CSS 樣式字串轉為 Map<屬性, 值>
 * 例: "font-size:12px;color:red;" → {font-size=12px, color=red}
 */
public static Map<String, String> cssToMap(String style) {
    Map<String, String> map = new HashMap<>();
    if (style == null || StringUtils.isEmpty(style)) {
        return map;
    }
    style = style.toLowerCase().split("\\}")[0]; // 取第一個規則塊
    String[] pairs = style.split(";");
    for (String pair : pairs) {
        String[] kv = pair.split(":");
        if (kv.length == 2) {
            map.put(kv[0].replace(" ", "").trim(), kv[1].trim());
        }
    }
    return map;
}

/**
 * 從樣式字串取得指定屬性值
 */
protected static String getStyleToString(String style, String styleName) {
    try {
        Map<String, String> css = cssToMap(style);
        return css.get(styleName);
    } catch (Exception e) {
        log.error(e);
    }
    return "";
}

/**
 * 將 Map 轉回 CSS 字串
 */
public static String mapToCSS(Map<String, String> css) {
    StringBuilder style = new StringBuilder();
    for (Map.Entry<String, String> entry : css.entrySet()) {
        if (style.length() > 0) style.append(",");
        style.append(entry.getKey()).append(":").append(entry.getValue());
    }
    return style.toString();
}

輔助工具方法

/** 批次移除指定字元 */
public static String filterChare(String msg, String... chars) {
    for (String ch : chars) {
        msg = msg.replace(ch, "");
    }
    return msg;
}

/** 純字串截取（不處理 HTML），支援替代字串 */
public static String clearHTMLToSize(String args, int maxSize, String replace) {
    if (args.length() <= maxSize) return args;
    return args.substring(0, maxSize).concat(replace);
}

使用範例

String html = "<div class='box'><p>Hello <b>World</b>!</p></div>";

// 基本移除標籤
String plain = HTMLServices.clearHTMLToString(html); 
// 結果: "Hello World!"

// 移除標籤 + 清理空白
String compact = HTMLServices.clearHTMLToString(html, true);
// 結果: "HelloWorld!"

// 移除標籤 + 限制 10 字 + 尾碼
String summary = HTMLServices.clearHTMLToString(html, 10, "...");
// 結果: "Hello Wor..."

// 解析內聯樣式
String style = "font-size:14px;color:#333;";
String fontSize = HTMLServices.getStyleToString(style, "font-size"); // "14px"