[Java] Remove HTML tags

SmartEditor를 사용하여 DB에 저장한 데이터를 엑셀로 다운로드했을 때 HTML 태그와 엔티티 문자들이 포함되어 출력되었습니다. 이를 제거하기 위한 작업을 아래와 같은 방법으로 진행하였습니다.

 

아파치에서 제공하는 StringEscapeUtils와 정규식을 사용해서 문제를 해결했습니다.

아래는 코드블록은 예제코드입니다.

String content = "<p><h3 class="kkk">테스트</p> 케이스";
System.out.println("결과 : " + removeHtmlTags(content));
// 결과 : 테스트 케이스

public String removeHtmlTags(String value) {
    String rtnVal = StringEscapeUtils.unescapeHtml4(value);
    // unescapeHtml : <p><h3 class="kkk">테스트</p> 케이스
    
    rtnVal = rtnVal.replaceAll("<(/)?([a-zA-Z]*)([0-9]?)(\\s[a-zA-Z]*=[^>]*)?(\\s)*(/)?>", "");
    //  태그제거 : 테스트 케이스
    
    rtnVal = StringEscapeUtils.escapeHtml4(rtnVal);
    // escapeHtml : 테스트&nbsp;케이스
    
    return rtnVal;
}

content 변수에 엔티티 문자들이 포함되어 있어서 unescapeHtml로 치환해 주고 정규식을 통해 HTML 태그를 제거 후에 다시 값을 escapeHtml로 치환해 주었습니다.

 

끝.