remover html de un string

[djagu_26]

Hola a todos, tanto tiempo?. Bueno para ello he encontrado este metodo que casi funciona.

Código:

public String getTextoPlano(){
	String htmlString = this.definicionInicial;
	String noHTMLString = htmlString.replaceAll("\\<.*?\\>", " ");
        return noHTMLString;
}

Digo casi, porque cuando en el html tengo caracteres especiales como ñ, á, é, etc al hacer el reemplazo me los traduce en ñ á é , etc.

Una solucion podria ser hacer:

noHTMLString = htmlString.replaceAll("ñ", "ñ"); (y asi con todos los caracteres especiales)

Pero me gustaria saber si alguien tiene alguna solucion mas prolija que no implique hacer un replaceAll por cada caracter especial ya que son muchisimos.

Saludos y gracias

[garkones]

Hola, puedes probar con la librería Jsoup (http://jsoup.org/) es un API para extraer y manipular datos html, tan fácil como:

Jsoup.parse(stringHtml).text();

Un Saludo.

[ElVagox_]

mmm yo te puedo ayudar mira lo que yo uso son dos array uno para almacenar los caracteres reemplazados y otro para almacenar por que lo reempalzare dentro de un while mira ahora estoy en windows y aqui no tengo nada me cambio a ubuntu y edito y te pongo el code que uso :) buena suerte

Como te dije aqui esta el code:

int i=0;
String FILTROcambiada=null;
String palabrasFILTRO[] = {"&ntilde"}; //aqui la palabra reemplazada
// Palabras filtradas por...
String palabrasFILTROPOR[] = {"ñ"};// aqui la palabra a reempalzar en este caso &ntilde por ñ ya que ambas estan en la primera pocicion d elos arrays
while(i <= palabrasFILTRO.length-1){
FILTROcambiada = FILTROcambiada.replace(palabrasFILTRO[i], palabrasFILTROPOR[i]);
i++;
}

ese ej te deberia funcionar ya que ami si me funciona :p solo tendrias que agregar las etiquetas a los array sopongo que entenderas como funciona :) la variable FILTROcambiada es la que almacena la palabra cambiada si necesitas mas ayuda me dises :)

[djagu_26]

Gracias voy a revisar la libreria.

Vagox, gracias por la respuesta pero tambien necesitaria sacar el javascript, css, etc. Por eso me parece mejor utilizar un parser de HTML.

Saludos