从文本 JavaScript 中剥离 HTML

Question

有没有一种简单的方法可以在 JavaScript 中取出一串 html 并去除 html？

Answer 1

如果您在浏览器中运行，那么最简单的方法就是让浏览器为您完成...

function stripHtml(html)
{
   let tmp = document.createElement("DIV");
   tmp.innerHTML = html;
   return tmp.textContent || tmp.innerText || "";
}

注意：正如人们在评论中指出的那样，如果您不控制 HTML 的源，最好避免这种情况（例如，不要在任何可能来自用户输入的内容上运行它）。 对于这些情况，您仍然可以让浏览器为您完成工作 - 请参阅 Saba 关于使用现在广泛使用的 DOMParser 的回答。

Answer 2

myString.replace(/<[^>]*>?/gm, '');

Answer 3

最简单的方法：

jQuery(html).text();

从一串html中检索所有文本。

Answer 4

我想分享Shog9已批准答案的编辑版本。

---

正如Mike Samuel在评论中指出的那样，该函数可以执行内联 javascript 代码。
但是Shog9说“让浏览器为你做这件事……”是对的。

所以..这是我编辑的版本，使用DOMParser ：

function strip(html){
   let doc = new DOMParser().parseFromString(html, 'text/html');
   return doc.body.textContent || "";
}

这里是测试内联javascript的代码：

strip("<img onerror='alert(\"could run arbitrary JS here\")' src=bogus>")

此外，它不会在解析时请求资源（如图像）

strip("Just text <img src='https://assets.rbl.ms/4155638/980x.jpg'>")

Answer 5

作为 jQuery 方法的扩展，如果您的字符串可能不包含 HTML（例如，如果您尝试从表单字段中删除 HTML）

jQuery(html).text();

如果没有 HTML，将返回一个空字符串

利用：

jQuery('<p>' + html + '</p>').text();

反而。

更新：正如评论中所指出的，在某些情况下，如果html的值可能受到攻击者的影响，此解决方案将执行包含在html中的 javascript，请使用不同的解决方案。

Answer 6

将 HTML 转换为纯文本电子邮件，保持超链接 (a href) 不变

hypoxide 发布的上述函数工作正常，但我想要的东西基本上可以转换在 Web RichText 编辑器（例如 FCKEditor）中创建的 HTML 并清除所有 HTML 但保留所有链接，因为我想要 HTML 和纯文本版本，以帮助为 STMP 电子邮件（HTML 和纯文本）创建正确的部分。

在我自己和我的同事在 Javascript 中使用正则表达式引擎搜索 Google 很长时间之后，我想出了这个：

str='this string has <i>html</i> code i want to <b>remove</b><br>Link Number 1 -><a href="http://www.bbc.co.uk">BBC</a> Link Number 1<br><p>Now back to normal text and stuff</p>
';
str=str.replace(/<br>/gi, "\n");
str=str.replace(/<p.*>/gi, "\n");
str=str.replace(/<a.*href="(.*?)".*>(.*?)<\/a>/gi, " $2 (Link->$1) ");
str=str.replace(/<(?:.|\s)*?>/g, "");

str变量的开头是这样的：

this string has <i>html</i> code i want to <b>remove</b><br>Link Number 1 -><a href="http://www.bbc.co.uk">BBC</a> Link Number 1<br><p>Now back to normal text and stuff</p>

然后在代码运行后它看起来像这样：-

this string has html code i want to remove
Link Number 1 -> BBC (Link->http://www.bbc.co.uk)  Link Number 1


Now back to normal text and stuff

正如您所看到的，所有的 HTML 都已被删除，并且链接已被保留，超链接文本仍然完好无损。 我还用\n （换行符）替换了<p>和<br>标签，以便保留某种视觉格式。

要更改链接格式（例如BBC (Link->http://www.bbc.co.uk) ），只需编辑$2 (Link->$1) ，其中$1是 href URL/URI 而$2是超链接文本。 大多数 SMTP 邮件客户端使用纯文本正文中的链接直接转换这些链接，以便用户能够单击它们。

希望您觉得这个有帮助。

Answer 7

对已接受答案的改进。

function strip(html)
{
   var tmp = document.implementation.createHTMLDocument("New").body;
   tmp.innerHTML = html;
   return tmp.textContent || tmp.innerText || "";
}

这样运行的东西不会有任何害处：

strip("<img onerror='alert(\"could run arbitrary JS here\")' src=bogus>")

Firefox、Chromium 和 Explorer 9+ 是安全的。 Opera Presto 仍然很脆弱。 字符串中提到的图像也不会在 Chromium 和 Firefox 中下载保存 http 请求。

Answer 8

这应该可以在任何 Javascript 环境（包括 NodeJS）上工作。

    const text = `
    <html lang="en">
      <head>
        <style type="text/css">*{color:red}</style>
        <script>alert('hello')</script>
      </head>
      <body><b>This is some text</b><br/><body>
    </html>`;
    
    // Remove style tags and content
    text.replace(/<style[^>]*>.*<\/style>/gm, '')
        // Remove script tags and content
        .replace(/<script[^>]*>.*<\/script>/gm, '')
        // Remove all opening, closing and orphan HTML tags
        .replace(/<[^>]+>/gm, '')
        // Remove leading spaces and repeated CR/LF
        .replace(/([\r\n]+ +)+/gm, '');

Answer 9

我更改了Jibberboy2000 的答案以包含几种<BR />标记格式，删除<SCRIPT>和<STYLE>标记内的所有内容，通过删除多个换行符和空格来格式化生成的 HTML，并将一些 HTML 编码的代码转换为正常的。 经过一些测试，您似乎可以将大部分完整网页转换为保留页面标题和内容的简单文本。

在简单的例子中，

<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN">
<html>
<!--comment-->

<head>

<title>This is my title</title>
<meta http-equiv="Content-Type" content="text/html; charset=iso-8859-1">
<style>

    body {margin-top: 15px;}
    a { color: #D80C1F; font-weight:bold; text-decoration:none; }

</style>
</head>

<body>
    <center>
        This string has <i>html</i> code i want to <b>remove</b><br>
        In this line <a href="http://www.bbc.co.uk">BBC</a> with link is mentioned.<br/>Now back to &quot;normal text&quot; and stuff using &lt;html encoding&gt;                 
    </center>
</body>
</html>

变成

这是我的标题

这个字符串有我要删除的 html 代码

在这一行中，提到了带有链接的 BBC ( http://www.bbc.co.uk )。

现在回到“普通文本”和使用的东西

JavaScript 函数和测试页面如下所示：

function convertHtmlToText() {
    var inputText = document.getElementById("input").value;
    var returnText = "" + inputText;

    //-- remove BR tags and replace them with line break
    returnText=returnText.replace(/<br>/gi, "\n");
    returnText=returnText.replace(/<br\s\/>/gi, "\n");
    returnText=returnText.replace(/<br\/>/gi, "\n");

    //-- remove P and A tags but preserve what's inside of them
    returnText=returnText.replace(/<p.*>/gi, "\n");
    returnText=returnText.replace(/<a.*href="(.*?)".*>(.*?)<\/a>/gi, " $2 ($1)");

    //-- remove all inside SCRIPT and STYLE tags
    returnText=returnText.replace(/<script.*>[\w\W]{1,}(.*?)[\w\W]{1,}<\/script>/gi, "");
    returnText=returnText.replace(/<style.*>[\w\W]{1,}(.*?)[\w\W]{1,}<\/style>/gi, "");
    //-- remove all else
    returnText=returnText.replace(/<(?:.|\s)*?>/g, "");

    //-- get rid of more than 2 multiple line breaks:
    returnText=returnText.replace(/(?:(?:\r\n|\r|\n)\s*){2,}/gim, "\n\n");

    //-- get rid of more than 2 spaces:
    returnText = returnText.replace(/ +(?= )/g,'');

    //-- get rid of html-encoded characters:
    returnText=returnText.replace(/&nbsp;/gi," ");
    returnText=returnText.replace(/&amp;/gi,"&");
    returnText=returnText.replace(/&quot;/gi,'"');
    returnText=returnText.replace(/&lt;/gi,'<');
    returnText=returnText.replace(/&gt;/gi,'>');

    //-- return
    document.getElementById("output").value = returnText;
}

它与此 HTML 一起使用：

<textarea id="input" style="width: 400px; height: 300px;"></textarea><br />
<button onclick="convertHtmlToText()">CONVERT</button><br />
<textarea id="output" style="width: 400px; height: 300px;"></textarea><br />

Answer 10

var text = html.replace(/<\/?("[^"]*"|'[^']*'|[^>])*(>|$)/g, "");

这是一个正则表达式版本，它对格式错误的 HTML 更具弹性，例如：

未封闭的标签

Some text <img

标签属性内的“<”、“>”

Some text <img alt="x > y">

换行符

Some <a href="http://google.com">

编码

var html = '<br>This <img alt="a>b" \r\n src="a_b.gif" />is > \nmy<>< > <a>"text"</a'
var text = html.replace(/<\/?("[^"]*"|'[^']*'|[^>])*(>|$)/g, "");

Answer 11

来自 CSS 技巧：

https://css-tricks.com/snippets/javascript/strip-html-tags-in-javascript/

 const originalString = ` <div> <p>Hey that's <span>somthing</span></p> </div> `; const strippedString = originalString.replace(/(<([^>]+)>)/gi, ""); console.log(strippedString);

Answer 12

另一个显然不如 nickf 或 Shog9 优雅的解决方案是从 <body> 标记开始递归遍历 DOM 并附加每个文本节点。

var bodyContent = document.getElementsByTagName('body')[0];
var result = appendTextNodes(bodyContent);

function appendTextNodes(element) {
    var text = '';

    // Loop through the childNodes of the passed in element
    for (var i = 0, len = element.childNodes.length; i < len; i++) {
        // Get a reference to the current child
        var node = element.childNodes[i];
        // Append the node's value if it's a text node
        if (node.nodeType == 3) {
            text += node.nodeValue;
        }
        // Recurse through the node's children, if there are any
        if (node.childNodes.length > 0) {
            appendTextNodes(node);
        }
    }
    // Return the final result
    return text;
}

Answer 13

如果您想保留链接和内容的结构（h1、h2 等），那么您应该查看TextVersionJS您可以将它与任何 HTML 一起使用，尽管它是为了将 HTML 电子邮件转换为纯文本而创建的。

用法很简单。 例如在 node.js 中：

var createTextVersion = require("textversionjs");
var yourHtml = "<h1>Your HTML</h1><ul><li>goes</li><li>here.</li></ul>";

var textVersion = createTextVersion(yourHtml);

或者在纯js的浏览器中：

<script src="textversion.js"></script>
<script>
  var yourHtml = "<h1>Your HTML</h1><ul><li>goes</li><li>here.</li></ul>";
  var textVersion = createTextVersion(yourHtml);
</script>

它也适用于 require.js：

define(["textversionjs"], function(createTextVersion) {
  var yourHtml = "<h1>Your HTML</h1><ul><li>goes</li><li>here.</li></ul>";
  var textVersion = createTextVersion(yourHtml);
});

Answer 14

也可以使用神奇的htmlparser2纯 JS HTML 解析器。 这是一个工作演示：

var htmlparser = require('htmlparser2');

var body = '<p><div>This is </div>a <span>simple </span> <img src="test"></img>example.</p>';

var result = [];

var parser = new htmlparser.Parser({
    ontext: function(text){
        result.push(text);
    }
}, {decodeEntities: true});

parser.write(body);
parser.end();

result.join('');

输出将是This is a simple example.

在这里查看它的实际效果： https ://tonicdev.com/jfahrenkrug/extract-text-from-html

如果您使用 webpack 之类的工具打包您的 Web 应用程序，这在节点和浏览器中都有效。

Answer 15

很多人已经回答了这个问题，但我认为分享我编写的从字符串中剥离 HTML 标记但允许您包含不想被剥离的标记数组的函数可能会很有用。 它很短，对我来说效果很好。

function removeTags(string, array){
  return array ? string.split("<").filter(function(val){ return f(array, val); }).map(function(val){ return f(array, val); }).join("") : string.split("<").map(function(d){ return d.split(">").pop(); }).join("");
  function f(array, value){
    return array.map(function(d){ return value.includes(d + ">"); }).indexOf(true) != -1 ? "<" + value : value.split(">")[1];
  }
}

var x = "<span><i>Hello</i> <b>world</b>!</span>";
console.log(removeTags(x)); // Hello world!
console.log(removeTags(x, ["span", "i"])); // <span><i>Hello</i> world!</span>

Answer 16

为了更简单的解决方案，试试这个=> https://css-tricks.com/snippets/javascript/strip-html-tags-in-javascript/

var StrippedString = OriginalString.replace(/(<([^>]+)>)/ig,"");

Answer 17

在尝试了所有提到的答案之后，如果不是全部的话，它们都有边缘情况并且不能完全支持我的需求。

我开始探索 php 是如何做到的，并遇到了复制 strip_tags 方法的 php.js 库：http: //phpjs.org/functions/strip_tags/

Answer 18

function stripHTML(my_string){
    var charArr   = my_string.split(''),
        resultArr = [],
        htmlZone  = 0,
        quoteZone = 0;
    for( x=0; x < charArr.length; x++ ){
     switch( charArr[x] + htmlZone + quoteZone ){
       case "<00" : htmlZone  = 1;break;
       case ">10" : htmlZone  = 0;resultArr.push(' ');break;
       case '"10' : quoteZone = 1;break;
       case "'10" : quoteZone = 2;break;
       case '"11' : 
       case "'12" : quoteZone = 0;break;
       default    : if(!htmlZone){ resultArr.push(charArr[x]); }
     }
    }
    return resultArr.join('');
}

在新创建的 dom 元素中考虑 > 内部属性和<img onerror="javascript"> 。

用法：

clean_string = stripHTML("string with <html> in it")

演示：

https://jsfiddle.net/gaby_de_wilde/pqayphzd/

最佳答案的演示做可怕的事情：

https://jsfiddle.net/gaby_de_wilde/6f0jymL6/1/

Answer 19

我对原始的 Jibberboy2000 脚本做了一些修改希望它对某人有用

str = '**ANY HTML CONTENT HERE**';

str=str.replace(/<\s*br\/*>/gi, "\n");
str=str.replace(/<\s*a.*href="(.*?)".*>(.*?)<\/a>/gi, " $2 (Link->$1) ");
str=str.replace(/<\s*\/*.+?>/ig, "\n");
str=str.replace(/ {2,}/gi, " ");
str=str.replace(/\n+\s*/gi, "\n\n");

Answer 20

这是一个解决@MikeSamuel 安全问题的版本：

function strip(html)
{
   try {
       var doc = document.implementation.createDocument('http://www.w3.org/1999/xhtml', 'html', null);
       doc.documentElement.innerHTML = html;
       return doc.documentElement.textContent||doc.documentElement.innerText;
   } catch(e) {
       return "";
   }
}

请注意，如果 HTML 标记不是有效的 XML，它将返回一个空字符串（也就是必须关闭标签并且必须引用属性）。 这并不理想，但确实避免了具有安全漏洞利用潜力的问题。

如果没有有效的 XML 标记是您的要求，您可以尝试使用：

var doc = document.implementation.createHTMLDocument("");

但由于其他原因，这也不是一个完美的解决方案。

Answer 21

您可以使用iframe沙盒属性安全地删除html标签。

这里的想法是，我们不尝试对字符串进行正则表达式，而是利用浏览器的本机解析器，方法是将文本注入DOM元素，然后查询该textContent / innerText属性。

最适合插入文本的元素是沙盒iframe，这样我们就可以防止执行任意代码（也称为XSS ）。

这种方法的缺点是仅在浏览器中有效。

这是我想出的（未经测试）：

const stripHtmlTags = (() => {
  const sandbox = document.createElement("iframe");
  sandbox.sandbox = "allow-same-origin"; // <--- This is the key
  sandbox.style.setProperty("display", "none", "important");

  // Inject the sanbox in the current document
  document.body.appendChild(sandbox);

  // Get the sandbox's context
  const sanboxContext = sandbox.contentWindow.document;

  return (untrustedString) => {
    if (typeof untrustedString !== "string") return ""; 

    // Write the untrusted string in the iframe's body
    sanboxContext.open();
    sanboxContext.write(untrustedString);
    sanboxContext.close();

    // Get the string without html
    return sanboxContext.body.textContent || sanboxContext.body.innerText || "";
  };
})();

用法（ 演示 ）：

console.log(stripHtmlTags(`<img onerror='alert("could run arbitrary JS here")' src='bogus'>XSS injection :)`));
console.log(stripHtmlTags(`<script>alert("awdawd");</` + `script>Script tag injection :)`));
console.log(stripHtmlTags(`<strong>I am bold text</strong>`));
console.log(stripHtmlTags(`<html>I'm a HTML tag</html>`));
console.log(stripHtmlTags(`<body>I'm a body tag</body>`));
console.log(stripHtmlTags(`<head>I'm a head tag</head>`));
console.log(stripHtmlTags(null));

Answer 22

我只需要<a>标签并将它们替换为链接的文本。

这似乎工作得很好。

htmlContent= htmlContent.replace(/<a.*href="(.*?)">/g, '');
htmlContent= htmlContent.replace(/<\/a>/g, '');

Answer 23

下面的代码允许您保留一些 html 标签，同时剥离所有其他标签

function strip_tags(input, allowed) {

  allowed = (((allowed || '') + '')
    .toLowerCase()
    .match(/<[a-z][a-z0-9]*>/g) || [])
    .join(''); // making sure the allowed arg is a string containing only tags in lowercase (<a><b><c>)

  var tags = /<\/?([a-z][a-z0-9]*)\b[^>]*>/gi,
      commentsAndPhpTags = /<!--[\s\S]*?-->|<\?(?:php)?[\s\S]*?\?>/gi;

  return input.replace(commentsAndPhpTags, '')
      .replace(tags, function($0, $1) {
          return allowed.indexOf('<' + $1.toLowerCase() + '>') > -1 ? $0 : '';
      });
}

Answer 24

接受的答案大部分都可以正常工作，但是在 IE 中，如果html字符串为null ，您会得到"null" （而不是 ''）。 固定的：

function strip(html)
{
   if (html == null) return "";
   var tmp = document.createElement("DIV");
   tmp.innerHTML = html;
   return tmp.textContent || tmp.innerText || "";
}

Answer 25

我认为最简单的方法就是像上面提到的那样使用正则表达式。 尽管没有理由使用一堆。 尝试：

stringWithHTML = stringWithHTML.replace(/<\/?[a-z][a-z0-9]*[^<>]*>/ig, "");

Answer 26

使用 jQuery 剥离 html 的一种更安全的方法是首先使用jQuery.parseHTML创建一个 DOM，忽略任何脚本，然后让 jQuery 构建一个元素，然后只检索文本。

function stripHtml(unsafe) {
    return $($.parseHTML(unsafe)).text();
}

可以安全地从以下位置剥离 html：

<img src="unknown.gif" onerror="console.log('running injections');">

和其他漏洞。

开心！

Answer 27

使用 jQuery，您可以简单地使用

$('#elementID').text()

Answer 28

我自己创建了一个工作正则表达式：

str=str.replace(/(<\?[a-z]*(\s[^>]*)?\?(>|$)|<!\[[a-z]*\[|\]\]>|<!DOCTYPE[^>]*?(>|$)|<!--[\s\S]*?(-->|$)|<[a-z?!\/]([a-z0-9_:.])*(\s[^>]*)?(>|$))/gi, ''); 

Answer 29

简单的 2 行 jquery 来剥离 html。

 var content = "<p>checking the html source&nbsp;</p><p>&nbsp;
  </p><p>with&nbsp;</p><p>all</p><p>the html&nbsp;</p><p>content</p>";

 var text = $(content).text();//It gets you the plain text
 console.log(text);//check the data in your console

 cj("#text_area_id").val(text);//set your content to text area using text_area_id

Answer 30

使用jQuery：

function stripTags() {
    return $('<p></p>').html(textToEscape).text()
}

Answer 31

input元素仅支持一行文本：

文本状态表示元素值的单行纯文本编辑控件。

function stripHtml(str) {
  var tmp = document.createElement('input');
  tmp.value = str;
  return tmp.value;
}

更新：这按预期工作

function stripHtml(str) {
  // Remove some tags
  str = str.replace(/<[^>]+>/gim, '');

  // Remove BB code
  str = str.replace(/\[(\w+)[^\]]*](.*?)\[\/\1]/g, '$2 ');

  // Remove html and line breaks
  const div = document.createElement('div');
  div.innerHTML = str;

  const input = document.createElement('input');
  input.value = div.textContent || div.innerText || '';

  return input.value;
}

Answer 32

如果您不想为此创建 DOM（也许您不在浏览器上下文中），您可以使用striptags npm 包。

import striptags from 'striptags'; //ES6 <-- pick one
const striptags = require('striptags'); //ES5 <-- pick one

striptags('<p>An HTML string</p>');

Answer 33

const getTextFromHtml = (t) =>
  t
    ?.split('>')
    ?.map((i) => i.split('<')[0])
    .filter((i) => !i.includes('=') && i.trim())
    .join('');

const test = '<p>This <strong>one</strong> <em>time</em>,</p><br /><blockquote>I went to</blockquote><ul><li>band <a href="https://workingclasshistory.com" rel="noopener noreferrer" target="_blank">camp</a>…</li></ul><p>I edited this as a reviewer just to double check</p>'

getTextFromHtml(test)
  // 'This onetime,I went toband camp…I edited this as a reviewer just to double check'

Answer 34

const strip=(text) =>{
    return (new DOMParser()?.parseFromString(text,"text/html"))
    ?.body?.textContent
}

const value=document.getElementById("idOfEl").value

const cleanText=strip(value)

Answer 35

对于转义字符，这也可以使用模式匹配：

myString.replace(/((&lt)|(<)(?:.|\n)*?(&gt)|(>))/gm, '');

Answer 36

https://developer.mozilla.org/en-US/docs/Web/API/Element/insertAdjacentHTML

var div = document.getElementsByTagName('div');
for (var i=0; i<div.length; i++) {
    div[i].insertAdjacentHTML('afterend', div[i].innerHTML);
    document.body.removeChild(div[i]);
}

Answer 37

方法一：

function cleanHTML(str){
  str.replace(/<(?<=<)(.*?)(?=>)>/g, '&lt;$1&gt;');
}

function uncleanHTML(str){
  str.replace(/&lt;(?<=&lt;)(.*?)(?=&gt;)&gt;/g, '<$1>');
}

方法二：

function cleanHTML(str){
  str.replace(/</g, '&lt;').replace(/>/g, '&gt;');
}

function uncleanHTML(str){
  str.replace(/&lt;/g, '<').replace(/&gt;/g, '>');
}

另外，不要忘记如果用户碰巧发表了数学评论(ex: 1 < 2) ，您不想删除整个评论。 浏览器（仅经过测试的 chrome）不会将 unicode 作为 html 标签运行。 如果您将所有<替换为< 字符串中的每个软件，unicode 将显示<作为文本而不运行任何 html。 我推荐方法2。jquery也很好用$('#element').text();

Answer 38

var STR='<Your HTML STRING>''
var HTMLParsedText="";
   var resultSet =  STR.split('>')
   var resultSetLength =resultSet.length
   var counter=0
   while(resultSetLength>0)
   {
      if(resultSet[counter].indexOf('<')>0)
      {    
        var value = resultSet[counter];
        value=value.substring(0, resultSet[counter].indexOf('<'))
        if (resultSet[counter].indexOf('&')>=0 && resultSet[counter].indexOf(';')>=0) {
            value=value.replace(value.substring(resultSet[counter].indexOf('&'), resultSet[counter].indexOf(';')+1),'')
        }
      }
        if (value)
        {
          value = value.trim();
          if(HTMLParsedText === "")
          {
              HTMLParsedText = value;
          }
          else
          {
            if (value) {
              HTMLParsedText = HTMLParsedText + "\n" + value;
            }
          }
          value='';
        }
        counter= counter+1;
      resultSetLength=resultSetLength-1;
   }
  console.log(HTMLParsedText);

Answer 39

这个包非常适合剥离 HTML： https ://www.npmjs.com/package/string-strip-html

它适用于浏览器和服务器（例如 Node.js）。

Answer 40

正如其他人建议的那样，我建议尽可能使用DOMParser 。

但是，如果您碰巧在Node / JS Lambda 内部工作，或者DOMParser不可用，我想出了下面的正则表达式来匹配之前的答案/评论中提到的大多数场景。 它不匹配$gt; 和$lt; 正如其他一些人可能会担心的那样，但应该捕捉到几乎任何其他情况。

const dangerousText = '?';
const htmlTagRegex = /<\/?([a-zA-Z]\s?)*?([a-zA-Z]+?=\s?".*")*?([\s/]*?)>/gi;
const sanitizedText = dangerousText.replace(htmlTagRegex, '');

这可能很容易简化，但它应该适用于大多数情况。 希望它可以帮助某人。

Answer 41

 const htmlParser= new DOMParser().parseFromString("<h6>User<p>name</p></h6>" , 'text/html'); const textString= htmlParser.body.textContent; console.log(textString)

Answer 42

您可以使用以下正则表达式去除所有html标签：/<(.|\n)*?>/g

例子：

let str = "<font class=\"ClsName\">int[0]</font><font class=\"StrLit\">()</font>";
console.log(str.replace(/<(.|\n)*?>/g, ''));

Output：

int[0]()

Answer 43

一个非常好的库是sanitize-html ，它是一个纯 JavaScript function，它可以在任何环境中提供帮助。

我的案例是关于 React Native 我需要从给定的文本中删除所有 HTML 标签。 所以我创建了这个包装器 function：

import sanitizer from 'sanitize-html';

const textSanitizer = (textWithHTML: string): string =>
  sanitizer(textWithHTML, {
    allowedTags: [],
  });

export default textSanitizer;

现在通过使用我的textSanitizer ，我可以获得纯文本内容。

Answer 44

    (function($){
        $.html2text = function(html) {
            if($('#scratch_pad').length === 0) {
                $('<div id="lh_scratch"></div>').appendTo('body');  
            }
            return $('#scratch_pad').html(html).text();
        };

    })(jQuery);

将其定义为 jquery 插件并按如下方式使用它：

$.html2text(htmlContent);

Answer 45

function strip_html_tags(str)
{
   if ((str===null) || (str===''))
       return false;
  else
   str = str.toString();
  return str.replace(/<[^>]*>/g, '');
}