本文来自于我的个人博客： java 正则匹配提取html纯文本

做内容的大家都知道，从html中直接提取纯文本是一个很大的问题，现将我做的正则匹配贴上：

import java.util.regex.Matcher;
import java.util.regex.Pattern;


public class TestReg {
	static String reg = "<[a-zA-Z]+.*?>([\s\S]*?)</[a-zA-Z]*>";
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		String str = "<p></p><p>&nbsp;&nbsp;&nbsp;&nbsp;我们以Buffer类开始对java.nio包的浏览历程。"
				+ "这些类是java.nio的构造基础。这个系列中，我们将跟随《java NIO》书籍一起深入研究缓冲区，"
				+ "了解各种不同的类型，并学会怎样使用。</p><p>&nbsp;&nbsp;&nbsp;&nbsp;一个Buffer对象"
				+ "是固定数量的数据容器。其作用是一个存储器，或者分段运输区，在这里数据可被存储并在之后用于检索。"
				+ "</p><p>&nbsp;&nbsp;&nbsp;&nbsp;Buffer类的家谱：</p><p>&nbsp;&nbsp;&nbsp;&nbsp;"
				+ "<img src=http://www.mamicode.com/"http://photo.jfq24.com/image/bigger/blog/server/upload/2014-07/user_2/13711406446068247.png" ">