JAVA通过正则匹配html里面body标签的内容，具体代码如下，如果要取得html代码中body里面的内容 不包含body标签，直接调用 removeBody
/**
* 获取html中body的内容 包含body标签
* @param htmlStr html代码
* @return
*/
public static String getBody(String htmlStr){
String pattern = "<body[^>]*>([\\s\\S]*)<\\/body>";
Pattern p_body = Pattern.compile(pattern, Pattern.CASE_INSENSITIVE);
Matcher m_body = p_body.matcher(htmlStr);
if (m_body.find()){
return m_body.group();
}
return htmlStr;
}
/**
* 取到html中body里面的内容 不包含body标签
* @param htmlStr
* @return
*/
public static String removeBody(String htmlStr){
/**
* 获取html代码中body标签里的内容
*/
htmlStr=getBody(htmlStr);
//body开头标签
String bodyEx_start = "<body[^>]*>";
//body结尾标签
String bodyEx_end = "<\\/body>";
Pattern p_script = Pattern.compile(bodyEx_start, Pattern.CASE_INSENSITIVE);
Matcher m_script = p_script.matcher(htmlStr);
htmlStr = m_script.replaceAll(""); // 过滤script标签
Pattern p_style = Pattern.compile(bodyEx_end, Pattern.CASE_INSENSITIVE);
Matcher m_style = p_style.matcher(htmlStr);
htmlStr = m_style.replaceAll(""); // 过滤style标签
return htmlStr;
}
本站部分内容来源互联网,如果有图片或者内容侵犯您的权益请联系我们删除！