HTML 標籤
- HTML 文檔和 HTML 元素是通過 HTML 標籤進行標記的
- HTML 標籤由開始標籤和結束標籤組成
- 開始標籤是被括號包圍的元素名
- 結束標籤是被括號包圍的斜槓和元素名
- 某些 HTML 元素沒有結束標籤，比如
<br />
註釋：開始標籤的英文翻譯是
start tag或opening tag，結束標籤的英文翻譯是end tag或closing tag
HTML 轉義字符
一些字符在 HTML 中擁有特殊的含義，比如小於號 (<) 用於定義 HTML 標籤的開始。如果我們希望瀏覽器正確地顯示這些字符，我們必須在 HTML 源碼中插入字符實體。
字符實體有三部分：一個和號 (&)，一個實體名稱，或者 # 和一個實體編號，以及一個分號 (;)。
要在 HTML 文檔中顯示小於號，我們需要這樣寫：< 或者 <
使用實體名稱而不是實體編號的好處在於，名稱相對來說更容易記憶。而這麼做的壞處是，並不是所有的瀏覽器都支持最新的實體名稱，然而幾乎所有的瀏覽器對實體編號的支持都很好。
注意：實體對大小寫敏感。
詳見HTML 轉義字符
JavaScript 轉義符
| 轉義序列 | 字符 |
|---|---|
| \b | 退格 |
| \f | 換頁 |
| \n | 換行 |
| \r | 回車 |
| \t | 橫向跳格(Ctrl-I) |
| ’ | 單引號 |
| " | 雙引號 |
| \\ | 反斜槓 |
Java 過濾標籤及轉義字符
HTML 標籤過濾
正則表達式過濾
String txtcontent = content.replaceAll("</?[^>]+>", "");
HTML 轉義字符過濾
org.apache.commons.lang3.StringEscapeUtils
String txtcontent = StringEscapeUtils.unescapeHtml4(content);
對於更復雜的需求，可考慮選用Jsoup提取相應的數據
Jsoup 是一個用於處理 HTML 的 Java 庫。它提供了一些非常方便的 API，通過使用最好的 DOM，CSS 和類 jquery 的方法，以提取和操作數據。
JavaScript 轉義符過濾
過濾換行符
String txtcontent = content.replaceAll("\n", "");
過濾所有
String txtcontent = content.replaceAll("\\s*", "");
參考資料：