Arquivo Discussoes de Programacao e Tecnologia Olá amigos;
Seguinte, quero remover tags HTML de uma String.
Isso é fácil, eu sei, fiz assim:
public String removerTags(String html)
{
return html.replaceAll("\\<(/?[^\\>]+)\\>", " ").replaceAll("\\s+", " ").trim();
}
O problema é que, não quero remover todas as tags… quero que a tag "<span style=“background-color: yellow”> (texto) " fique…
É possível fazer isso sem muita gambiarra?
Abraço
Aconselho usar um HtmlParser. Usar regex com html é extremamente difícil e altamente propensa a problema. Já pensou se você tiver uma tag mal formada? Algo tipo:
<tag><tag><tag>Informacao</tag></tag>
Fazer uma regex nesse caso é bastante complicado, você não vai saber qual tag fecha qual tag.
Procurando por HtmlParser Java no google, achei isso, mas você pode procurar por outras possibilidades:
http://htmlparser.sourceforge.net/
Então, meu problema é justamente esse…
quero exibir esse texto em uma tela com GWT, utilizo o safeHTMLBuilder, e ele explode quando uma tag tá quebrada… mas eu não quero tirar todas as tags, só as que não forem as minhas, no caso, aquele span específico aí…
abraço
Sempre me ensinaram que se você tem um problema que pode ser difícil de resolver, é importante você imaginar como resolver o problema contrário, e relacionar a resposta do problema contrário com o seu problema original.
No seu caso, o problema contrário é tirar apenas os “”. Se os “” estiverem bem-formados, porque você é que os pôs, é fácil tirá-los com uma expressão regular ou um replace simples.
O que eu sugeriria é o seguinte: troque esses “” inicialmente por alguma coisa parecida com ele, mas que não é HTML.
Por exemplo, troque por {span}. O modo de fazer isso fica como exercício.
“” --> “{span}{/span}”
Isso é parecido com o problema de tirar o (que é o problema contrário de deixar só o ).
A seguir, pegue o que sobrou e tire as tags. Certo?
“{span}{/span}” --> “{span}{/span}”
Depois disso, volte o {span} para - de novo. O que você vai ter é algo sem as tags, exceto pela tag .
“{span}{/span}” --> “”
eu pensei em fazer isso… mas enfim, acabei desviando o problema de modo diferente…
é que esse span era para fazer highlight nos resultados da minha busca que vinham do lucene… então, antes de fazer o highlight (que adicionava os spans), eu removi todas as tags… ae ficou certo…
valeu a ajuda aí, anyway.
abraço