如何使用javascript删除字符串中的html标记

Question

我想使用javascript从给定的字符串中删除html标签.我研究了当前的方法,但是它们出现了一些未解决的问题.

现有解决方案

(1)使用javascript,创建虚拟div标签并获取文本

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

(2)使用正则表达式

  function remove_tags(html)
  {
       return html.replace(/<(?:.|\n)*?>/gm, '');
  }

(3)使用JQuery

  function remove_tags(html)
  {
       return jQuery(html).text();
  }

这三个解决方案正常工作,但如果字符串是这样的

  <div> hello <hi all !> </div>

剥离的字符串就像 hello.但我只需要删除html标签.喜欢hello <hi all !>

编辑:背景是,我想删除特定文本区域的所有用户输入html标记.但我想让用户输入<hi all>一些文字.在当前的方法中,它删除包含在<>内的任何内容.

Answer 1

如果考虑不同的方法,使用正则表达式可能不是问题.例如,查找所有标记,然后检查标记名称是否与已定义的有效HTML标记名称列表匹配:

var protos = document.body.constructor === window.HTMLBodyElement;
    validHTMLTags  =/^(?:a|abbr|acronym|address|applet|area|article|aside|audio|b|base|basefont|bdi|bdo|bgsound|big|blink|blockquote|body|br|button|canvas|caption|center|cite|code|col|colgroup|data|datalist|dd|del|details|dfn|dir|div|dl|dt|em|embed|fieldset|figcaption|figure|font|footer|form|frame|frameset|h1|h2|h3|h4|h5|h6|head|header|hgroup|hr|html|i|iframe|img|input|ins|isindex|kbd|keygen|label|legend|li|link|listing|main|map|mark|marquee|menu|menuitem|meta|meter|nav|nobr|noframes|noscript|object|ol|optgroup|option|output|p|param|plaintext|pre|progress|q|rp|rt|ruby|s|samp|script|section|select|small|source|spacer|span|strike|strong|style|sub|summary|sup|table|tbody|td|textarea|tfoot|th|thead|time|title|tr|track|tt|u|ul|var|video|wbr|xmp)$/i;

function sanitize(txt) {
    var // This regex normalises anything between quotes
        normaliseQuotes = /=(["'])(?=[^\1]*[<>])[^\1]*\1/g,
        normaliseFn = function ($0, q, sym) { 
            return $0.replace(/</g, '&lt;').replace(/>/g, '&gt;'); 
        },
        replaceInvalid = function ($0, tag, off, txt) {
            var 
                // Is it a valid tag?
                invalidTag = protos && 
                    document.createElement(tag) instanceof HTMLUnknownElement
                    || !validHTMLTags.test(tag),

                // Is the tag complete?
                isComplete = txt.slice(off+1).search(/^[^<]+>/) > -1;

            return invalidTag || !isComplete ? '&lt;' + tag : $0;
        };

    txt = txt.replace(normaliseQuotes, normaliseFn)
             .replace(/<(\w+)/g, replaceInvalid);

    var tmp = document.createElement("DIV");
    tmp.innerHTML = txt;

    return "textContent" in tmp ? tmp.textContent : tmp.innerHTML;
}

工作演示:http://jsfiddle.net/m9vZg/3/

这是因为浏览器将">"解析为文本,如果它不是匹配的"<"开始标记的一部分.它没有遇到与尝试使用正则表达式解析HTML标记相同的问题,因为您只是在寻找开始分隔符和标记名称,其他一切都无关紧要.

它也是未来的证明:WebIDL规范告诉供应商如何实现HTML元素的原型,因此我们尝试从当前匹配的标记创建一个HTML元素.如果元素是实例HTMLUnknownElement,我们知道它不是有效的HTML标记.在validHTMLTags正则表达式定义为旧的浏览器,如IE 6和7,不实现这些原型HTML标签的列表.

Answer 2

如果您想保持无效标记不变，正则表达式是您最好的选择。像这样的事情可能会奏效：

 text = html.replace(/<\/?(span|div|img|p...)\b[^<>]*>/g, "")

展开所有标签(span|div|img|p...)的列表（或仅包含您想要删除的标签）。注意：列表必须按长度排序，长标签优先！

这在某些边缘情况下可能会提供不正确的结果（例如带有<>字符的属性），但唯一真正的替代方法是自己编写一个完整的 html 解析器。并不是说它会非常复杂，但在这里可能有点矫枉过正。让我们知道。