Java中使用HttpURLConnection和org.json获取响应时如何移除HTML标签

方案1：正则表达式实现（无额外依赖） #

适用于仅存在<sup></sup>这类简单无嵌套HTML标签的场景：

• 新增工具方法：

public static String removeHtmlTags(String rawText) {
    // 匹配所有< >包裹的HTML标签，全局替换为空
    return rawText.replaceAll("<[^>]+>", "").trim();
}

• 在你的解析逻辑中调用即可：

String dataName= data.getString("data_name");
// 移除HTML标签
dataName = removeHtmlTags(dataName);

注意：正则方案无法处理包含复杂嵌套、标签内带<字符、HTML注释的特殊场景，仅适合简单标签清理

方案2：Jsoup库实现（稳定适配所有场景） #

如果返回内容包含复杂HTML结构，推荐使用专业HTML解析库Jsoup，避免正则匹配异常：

• 首先引入Jsoup依赖（Maven示例）：

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

• 调用代码：

import org.jsoup.Jsoup;

// 拿到原始内容后直接解析提取纯文本
String dataName= data.getString("data_name");
String cleanDataName = Jsoup.parse(dataName).text();

该方案会自动处理所有HTML标签、转义字符、嵌套结构，提取结果准确率更高。

内容的提问来源于stack exchange，提问作者javzuk