一些有意思的算法

 

去掉HTML文本中的HTML标签：

	public static String htmlToStr(String input) {
		if (input == null) {
			return null;
		}
		StringBuffer result = new StringBuffer();
		boolean flag = true;
		char[] a = input.toCharArray();
		int length = a.length;
		for (int i = 0; i < length; i++) {
			if (a[i] == '<') {
				flag = false;
				continue;
			}
			if (a[i] == '>') {
				flag = true;
				continue;
			}
			if (flag == true) {
				result.append(a[i]);
			}
		}
		return result.toString();

	}

进一步：在去掉标签以后，整个文本可能格式就比较乱了，我们可以适当的优化（这里仅仅是把p的结束标签换为\n），同时去掉里面的特殊符号（比如&5476;）：

 

	public static String htmlToStr(String input) {
		StringBuffer result = new StringBuffer();
		boolean flag = true;
		if (input == null) {
			return null;
		}
		char[] a = input.toCharArray();
		int length = a.length;
		StringBuffer bTemp = new StringBuffer();
		for (int i = 0; i < length; i++) {
			bTemp.append(a[i]);
			if(bTemp.toString().equals("</p>")){
				result.append("\n");
			}
			if (a[i] == '<') {
				flag = false;
				bTemp.delete(0, bTemp.length()-1);
				continue;
			}
			if (a[i] == '>') {
				flag = true;
				continue;
			}
			if (a[i] == '&') {
				flag = false;
				continue;
			}
			if (a[i] == ';') {
				flag = true;
				continue;
			}
			if (flag == true) {
				result.append(a[i]);
			}
		}
		return result.toString();

	}