[java]Rimuovere alcuni tag html

[lordkarolus]

Come posso fare per rimuovere i tag <script></script> e e tutto il loro contenuto?

[andbin]

Originariamente inviato da lordkarolus
Come posso fare per rimuovere i tag <script></script> e e tutto il loro contenuto?

Rimuovere dove?? In una stringa? In un file?

[lordkarolus]

io leggo un file da un qualsiasi sito e poi lo scanno riga per riga

[LeleFT]

Originariamente inviato da lordkarolus
io leggo un file da un qualsiasi sito e poi lo scanno riga per riga

Lo scanni? Col coltello?

Tornando seri, hai due possibilità:

1) Salvi il file prodotto e lo dai in pasto ad una libreria per il trattamento dei documenti ad albero (come JDom, che tratta i file XML... da notare che un file HTML è anche un file XML). In questo modo puoi indicizzare tutti gli elementi che ti interessano e rimuoverli tramite le API messe a disposizione dalla libreria

2) Il lavoro lo fai a mano: man mano che leggi tieni traccia dell'elemento letto e se incontri il tag che ti interessa, ignori tutto il contenuto successivo fino al raggiungimento del relativo tag di chiusura.

In altre parole: non è un'operazione semplice, e le RegEx possono aiutare (o complicare, a seconda dei casi).


Ciao.

[andbin]

Originariamente inviato da lordkarolus
io leggo un file da un qualsiasi sito e poi lo scanno riga per riga

Se avessi tutto il contenuto del file in una unica String, sarebbe ancora semplice: si potrebbe usare una espressione regolare e in una botta sola si possono eliminare le parti che corrispondono alla espressione regolare.

Fatto riga per riga è solo un po' più complicato. Se ci pensi un attimo, il tag di chiusura potresti trovarlo sulla stessa riga del tag di apertura ma potresti anche trovarlo molte righe dopo.

[lordkarolus]

non è che mi accenneresti una bozza di regex che io non ci vado molto d'accordo?

[andbin]

Originariamente inviato da lordkarolus
non è che mi accenneresti una bozza di regex che io non ci vado molto d'accordo?

Prova questo esempio, vedi cosa stampa in output.

String str = "Ciao prova di un codice html";

String str2 = str.replaceAll (".*?", "");

System.out.println (str2);