Android应用解析HTML提取纯文本：模拟PHP strip_tags功能

嘿，这个问题我刚好研究过！要在Android里实现和PHP的strip_tags完全一致的效果，其实有几种靠谱的方案，我给你详细说说：

方案一：使用Android系统自带的Html类（推荐） #

Android的android.text.Html类已经内置了成熟的HTML解析能力，它处理标签的逻辑和strip_tags高度贴合，还能避开正则表达式的各种坑。

代码实现 #

import android.text.Html;
import android.os.Build;

public String stripHtml(String htmlContent) {
    if (Build.VERSION.SDK_INT >= Build.VERSION_CODES.N) {
        // API 24及以上使用LEGACY模式，保持和旧版本一致的解析行为
        return Html.fromHtml(htmlContent, Html.FROM_HTML_MODE_LEGACY).toString();
    } else {
        // 旧版本直接调用fromHtml即可
        return Html.fromHtml(htmlContent).toString();
    }
}

为什么推荐这个？ #

• 它会自动处理所有HTML标签：包括成对标签（比如<div>、<p>）、自闭合标签（比如<br/>、<img/>），甚至是注释标签<!-- ... -->，和strip_tags的默认行为完全匹配。
• 系统的HTML解析器比正则更可靠，能应对各种边缘情况（比如标签属性里包含特殊字符），不会出现正则匹配不完整的问题。

方案二：正则表达式（适合简单场景） #

如果你只需要处理结构简单的HTML，也可以用正则来模拟strip_tags的行为，但要注意它的局限性。

代码实现 #

public String stripTagsWithRegex(String htmlContent) {
    // 匹配所有以<开头、以>结尾的内容，替换为空
    return htmlContent.replaceAll("<[^>]+>", "");
}

注意事项 #

这个正则的逻辑和strip_tags基本一致，但遇到标签属性里包含>的情况（比如<a href="example?param=1>2">），正则会提前终止匹配，导致部分残留内容，而strip_tags会正确移除整个标签。所以复杂场景下不推荐用正则。

关于自定义允许标签 #

如果需要像strip_tags($html, '<p><a>')那样保留指定标签，Android的Html.fromHtml可以配合TagHandler来实现，但需要自己编写逻辑处理允许的标签，确保和PHP的行为一致。不过如果你的需求只是移除所有标签，方案一就足够了。

内容的提问来源于stack exchange，提问作者Aldridge1991