Java HTML剥离方法修复：如何处理单独的<或>字符？

云上老周

2026-8-10

修正HTML内容清理方法以处理单独的<或>字符

你的原始代码如下：

//Method for Strip HTML
public static String stripHtml(String inStr) {
  boolean inTag = false;
  char c;
  StringBuffer outStr = new StringBuffer();
  int len = inStr.length();
  for (int i = 0; i < len; i++) {
    c = inStr.charAt(i);
    if (c == '&lt;') {
      inTag = true;
    }
    if (!inTag) {
      outStr.append(c);
    }
    if (c == '&gt;') {
      inTag = false;
    }
  }
  //Print to show that the this method is removing the necessary characters
  System.out.println(outStr);
  return outStr.toString();
}

核心问题分析

判断条件错误：代码中用c == '<'和c == '>'判断字符，这是HTML转义字符的写法，但Java字符串中<和>是单个字符，直接写'<'和'>'即可。原条件导致实际遇到</>时无法触发标签判断，所以单独的<会被保留在输出中。
逻辑缺陷：当遇到未闭合的<（无对应>）时，inTag会一直保持true，导致<之后的所有字符都无法添加到结果，不符合你保留后续字符的需求。

修改后的代码

调整遍历逻辑为索引跳转模式，同时修正判断条件，确保单独的</>也能被正确移除：

//Method for Strip HTML
public static String stripHtml(String inStr) {
  StringBuffer outStr = new StringBuffer();
  int len = inStr.length();
  int i = 0;
  while (i < len) {
    char c = inStr.charAt(i);
    if (c == '<') {
      // 查找当前<之后的第一个>位置
      int endTagIndex = inStr.indexOf('>', i);
      if (endTagIndex != -1) {
        // 跳过整个<...>区间
        i = endTagIndex + 1;
      } else {
        // 无闭合>，仅跳过当前<
        i++;
      }
    } else if (c == '>') {
      // 单独出现的>直接跳过
      i++;
    } else {
      // 正常字符添加到结果
      outStr.append(c);
      i++;
    }
  }
  System.out.println(outStr);
  return outStr.toString();
}