HTML是超文本标记语言，标准通用标记语言下的一个应用。
“超文本”就是指页面内可以包含图片、链接，甚至音乐、程序等非文字元素。
超文本标记语言的结构包括“头”部分（英语：Head）、和“主体”部分（英语：Body），其中“头”部提供关于网页的信息，“主体”部分提供网页的具体内容。
1、在做接口的时候，有些模板xml标签不是CDATA规范的，这样就会在碰到&这样的字符出现错误，需要替换，简单的思路是字符串替换或正则匹配，将&替换成&。
2、特别是有些专辑描述是html的内容，写入xml文件的时候需要将html内容转化为文本内容。
3、下面给出HTML内容输出为存文本的两种工具方法，方便以后查阅。
方法一：正则替换：
/**
* html转化为text
* @param inputString
* @return
*/
public static String html2Text(String inputString) {
String htmlStr = inputString// 含html标签的字符串
String textStr = ""
java.util.regex.Pattern p_script
java.util.regex.Matcher m_script
java.util.regex.Pattern p_style
java.util.regex.Matcher m_style
java.util.regex.Pattern p_html
java.util.regex.Matcher m_html
try {
String regEx_script = "<[\\s]*?script[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?script[\\s]*?>"// 定义script的正则表达式{或<script>]*?>[\s\S]*?<\/script>
// }
String regEx_style = "<[\\s]*?style[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?style[\\s]*?>"// 定义style的正则表达式{或<style>]*?>[\s\S]*?<\/style>
// }
String regEx_html = "<[^>]+>"// 定义HTML标签的正则表达式
p_script = Pattern.compile(regEx_script, Pattern.CASE_INSENSITIVE)
m_script = p_script.matcher(htmlStr)
htmlStr = m_script.replaceAll("")// 过滤script标签
p_style = Pattern.compile(regEx_style, Pattern.CASE_INSENSITIVE)
m_style = p_style.matcher(htmlStr)
htmlStr = m_style.replaceAll("")// 过滤style标签
p_html = Pattern.compile(regEx_html, Pattern.CASE_INSENSITIVE)
m_html = p_html.matcher(htmlStr)
htmlStr = m_html.replaceAll("")// 过滤html标签
textStr = htmlStr
} catch (Exception e) {
System.err.println("Html2Text: " + e.getMessage())
}
return textStr
}
方法二：采用api形式，先倒入jar包htmllexer.jar,htmlparser.jar,sitecapturer.jar,thumbelina.jar,filterbuilder.jar ：
public static String getHtmlText(String htmlContent) throws Exception
{
if(htmlContent==null)htmlContent=""
// 增加一个<br/>,经测试，如果正文为纯文本,org.htmlparser会把参数当作一个文件处理
StringBuffer sbf = new StringBuffer("")
sbf.append("<br />").append(htmlContent)
Parser parser = new Parser(sbf.toString())
TextExtractingVisitor visitor = new TextExtractingVisitor()
parser.visitAllNodesWith(visitor)
String sReturn = visitor.getExtractedText()
sReturn = sReturn.replace(" ", "")//去掉空格以便统计字数
return sReturn
}
话不多说，show my code：
预览效果还是不错的，是这样的：
这样我们得到的html文本就可以解析出标签了。
这里呢又有有两个方法了：
变成了html文件应该知道怎么弄了吧？和我们自己写的原生html文件一样。当然，直接放到手机里效果是不理想的。我们手动添加一个标题以后会好些。然后给他添加一个点击返回的方法就差不多了。如果对页面字体、间距等有影响可以自行调整。
