Удалить HTML из String - RSS

Question

В настоящее время я создаю RSS-Reader, а на некоторых сайтах есть странные rss-2.0-файлы, которые я должен сначала изменить, чтобы их отобразить.

Одним из них является seen here:

Проблема заключается в том, что описание тега содержит не только текст описания, но и некоторые

HTML-элементы, такие как <a href ... /><img src ... />

Как я могу удалить все эти ненужную информацию без поиска каждого атрибута?

Есть ли что-то в Java? Или это регулярное выражение полезно в этом случае?

Answer 1

Игнорировать все внутри CDATA, такие как

<content:encoded><![CDATA[... 

Answer 2

Вы можете использовать это регулярное выражение, чтобы удалить HTML теги:

String noHtml = html.replaceAll("\\<.*?>",""); 

Несмотря на то, что я использовать jsoup для разбора HTML-код в Java.