從文檔中剝離不需要的標簽

Question

更新 （請先閱讀以下內容）

通過簡單地在兩個不同的標簽上兩次調用replaceAll，我已經找到了解決該問題的方法，但是現在我遇到了另一個標簽問題：

Turn right onto Waialae Ave<div style="font-size:0.9em">Destination will be on the left</div>

我不希望出現特殊情況，以便該程序能夠刪除所有不只針對粗體和樣式標簽的格式標簽。 因此，我的程序是否有辦法檢測<符號並刪除其中包含的所有內容（包括符號，直至結尾符號>）？ 那會很有幫助。

---

我正在使用Google Maps API向用戶提供信息； 但是，這樣做時，它會打印出粗體格式標簽，如下所示：

Head <b>northwest</b> toward <b>Kalaniiki St</b>

我試圖通過使用replaceAll方法來剝離它：

String instructions = eElement.getElementsByTagName("html_instructions").item(0).getTextContent().toString();
instructions = instructions.replaceAll("[^A-Za-z0-9]", " ");

但是，這僅除去了<和>符號，而不除去字符b。 我將如何更改replaceAll方法的格式，使其擺脫黑體標記？ 請告訴我。

謝謝！

Answer 1

您可以嘗試使用正則表達式捕獲開始和結束標記，並將其替換為空字符串。

Answer 2

我不知道僅通過str.replaceAll()方法執行此操作的可行方法。 如果我提出僅使用它的內容，我將進行更新。

下面的代碼在運行str.replaceAll() 之后工作，它將在html標簽中捕獲其余文本。 您仍然需要str.replaceAll()的原因是為了擺脫&nbsp等之類的東西。我在開頭添加了一個空格，這將防止單詞被合並。 以后可能需要根據規格修剪此空間。

do{
   str += (" " + (str.substring(str.indexOf(">") + 1, str.indexOf("<")); 
} while(str.indexOf("<") != -1);