Java中如何使用正则表达式移除字符串内的HTML标签

你写的两个正则触发StackOverflowError的核心原因是Java正则引擎采用递归回溯实现匹配，你写的([a-zA-Z0-9]|\s|\S)+、([a-zA-Z0-9]|\s|\W)+属于分组嵌套量词的写法，匹配过程中会产生巨量回溯路径，处理稍长的HTML文本时递归深度就会超过JVM栈上限，直接抛错。

你关于IDE转义的判断是对的：Java字符串中反斜杠是转义字符，正则里的\s、\W这类转义序列，在Java字符串字面量里必须写成\\s、\\W，IntelliJ的自动转换是符合Java语法要求的，不是什么JS正则转Java的适配bug。

1. 轻量正则方案（适配你当前的简单提取场景） #

别写嵌套分组加量词的复杂逻辑，直接用无回溯的排除型字符组匹配标签即可，不会触发栈溢出，代码示例：

String html = "<tr class='list odd'>\n" +
        "<td class=\"list\" align=\"center\">Do</td>\n" +
        "<td class=\"list\" align=\"center\">7.7.</td><td class=\"list\" align=\"center\">3 - 4</td>\n" +
        "<td class=\"list\" align=\"center\">---</td>\n" +
        "<td class=\"list\" align=\"center\"><s>Q1e14</s></td>\n" +
        "<td class=\"list\" align=\"center\">Arbeitsauftrag:</td>\n" +
        "<td class=\"list\" align=\"center\">entfällt</td></tr>";
// 正则逻辑：匹配<开头，往后匹配所有非>的字符，直到遇到第一个>结束，全程无回溯
String plainText = html.replaceAll("<[^>]+>", "");
// 可选：压缩标签移除后产生的多余空行、缩进
plainText = plainText.replaceAll("\\n\\s*", "\n").trim();
System.out.println(plainText);

运行后输出和你预期的结果完全一致：

Do
7.7.
3 - 4
---
Q1e14
Arbeitsauftrag:
entfällt

注意：这个方案仅适合结构规范、标签属性内没有未转义>字符的简单HTML场景，不要用它解析结构复杂、格式不规范的HTML内容。

2. 生产级可靠方案（复杂HTML场景推荐） #

正则本身无法覆盖HTML的所有语法边界（比如属性值里的转义尖括号、HTML注释、嵌套异常的标签、自闭合标签等），如果要处理生产环境的复杂HTML，直接用专门的HTML解析库比自己写正则靠谱得多，最常用的是Jsoup：

• 先引入依赖（Maven配置示例）：

<dependency>
    <groupId>org.jsoup</groupId>
    <artifactId>jsoup</artifactId>
    <version>1.17.2</version>
</dependency>

• 提取纯文本的代码非常简洁，不需要自己处理各种标签边界：

import org.jsoup.Jsoup;

public class HtmlTextParse {
    public static void main(String[] args) {
        String html = "待解析的HTML内容";
        // 直接解析获取纯文本，自动处理所有标签、转义字符
        String plainText = Jsoup.parse(html).wholeText();
    }
}

• 第一个正则\u003C([a-zA-Z0-9]|\s|\S)+没有写闭合的>匹配规则，会出现越界匹配的问题，而且分组套重复量词的写法会产生指数级的回溯路径，长文本必然触发栈溢出
• 第二个正则[\u003C]([a-zA-Z0-9]|\s|\W)+\u003E同样存在分组嵌套量词的问题，Java正则引擎处理这类模式时递归深度随匹配文本长度线性增长，只要文本长度超过栈承载上限就会抛错
• 冗余写法问题：\s|\S、\w|\W这类写法完全多余，两个互补的字符集取或等价于匹配所有字符，直接写对应字符组即可，没必要加或逻辑徒增正则引擎的处理负担。

内容的提问来源于stack exchange，提问作者RoverKnight