正则表达式：从“内容”中排除 html 标签

Posted 2023-02-27

【中文标题】正则表达式：从“内容”中排除 html 标签

【英文标题】：Regular Expression: exclude html tags from "content"

【发布时间】：2014-04-11 03:47:42

【问题描述】：

一位朋友问我这个问题，因为我对 RegExp 的了解还不是很好，所以我在这里。

如何从这个字符串中排除 html 标签？

re<br>na<br>to<br>galvao

我尝试了一些正则表达式，但它没有像我预期的那样工作。

(.*)<.*>(.*)

但是这个 RegExp 得到了第一个 。

有什么想法吗？

【问题讨论】：

如果没有真正的解析器，这将是不够的，因为您仍然会有 script、style、object 等标签，其中包含内容。

这很容易回答，你根本不应该使用正则表达式。'

这是你应该做的 -> jsfiddle.net/Hpe5M

@adeneo 正是我开始阅读这个问题时的想法。没什么大不了的，但我通常使用d.textContent || d.innerText（翻转属性），因为我希望大多数人会使用支持textContent的浏览器，因此不要对innerText进行不必要的检查。再说一次，没什么大不了的。说真的，将其发布为答案

在很多情况下，正则表达式都能很好地完成这项工作。像这个。正则表达式与 DOM 的缺点与实际解析有关，例如正确验证或遍历。像剥离所有标签这样简单的事情很容易，而正则表达式绝对可以很容易地做到这一点。太多人跳上“哦，不，有人在同一句话中提到了正则表达式和 html，烧死女巫！”潮流

【参考方案1】：

这是一个快速的方法：

var content = "re<br>na<br>to<br>galvao";
content = content.replace(/<[^>]*>/g,'');

【参考方案2】：

用这个正则表达式匹配所有 html 标签：

 <("[^"]*?"|'[^']*?'|[^'">])*>

在此处查看演示：http://regex101.com/r/fA0oT4

【参考方案3】：

您可以使用非贪婪匹配。根据this question的回答，在javascript中是*?

所以，假设这是您的正则表达式的唯一问题，它应该适用于

(.*?)<.*?>(.*?)