Question

我想使用此代码从文档中删除除<a> <img>和<iframe>之外的所有html标记：

var regex = "<(?!a )(?!img )(?!iframe )([\s\S]*?)>";
var temp;
while (source.match(regex)) {
    temp = source.match(regex)[0];
    source = source.replace(temp, "");
}
return source;

它适用于在线正则表达式测试人员，但由于某种原因，它不能在我的页面上工作。例如，当输入为：

时，它返回一个原始字符串

    "<p class="MsoNormal" style="margin-left:202.5pt;line-height:200%;background:white"><b><span style="font-size: 16pt; line-height: 200%; color: rgb(131, 60, 11); background-image: initial; background-attachment: initial; background-size: initial; background-origin: initial; background-clip: initial; background-position: initial; background-repeat: initial;">test</span></b><span style="font-size:16.0pt;
line-height:200%;color:#833C0B;letter-spacing:-.15pt;mso-ansi-language:EN-US"><o:p></o:p></span></p>"

请帮忙！

Answer 1

这是我能想到的最好的结果！

<((?!a)|a\w)(?!\/a)(?!img)(?!iframe)(?!\/iframe)+([\s\S]*?)>

第一个捕获组，非a或a后跟一个单词，允许音频，缩写，地址等全部通过。

只需替换上述正则表达式中的匹配项。

请参阅：http://regexr.com/3a5hp

Answer 2

你可以在没有正则表达式的情况下完成。尝试使用正则表达式解析HTML通常不是一个好主意，除非用例非常简单......

我实现stripHtmlElementsMatching的方式，你可以传递任何CSS选择器，它将剥离所有匹配的实体。

因此，要删除a, img, iframe以外的任何内容，您可以传递:not(a):not(img):not(iframe)。

PS：htmlstripping-root自定义标记只是为了避免创建一个干扰传递选择器的解析器元素。例如，如果我使用div作为解析器元素并且您将传递选择器div > div，则即使它们没有嵌套在您的html字符串中，也会删除所有div。

var stripHtmlElementsMatching = (function(doc) {
  
  doc.registerElement('htmlstripping-root');
  
  return function(text, selector) {
    
    var parser = document.createElement('htmlstripping-root'),
        matchingEls, i, len, el;
    
    selector = typeof selector == 'string' ? selector : ':not(*)';
    parser.innerHTML = text;
    
    matchingEls = parser.querySelectorAll(selector);
    
    for (i = 0, len = matchingEls.length; i < len; i++) {
      el = matchingEls[i];
      el.parentNode.replaceChild(newFragFrom(el.childNodes), el);
    }
    
    return parser.innerHTML;
  };
  
  function newFragFrom(nodes) {
    var frag = document.createDocumentFragment();
    
    while (nodes.length) frag.appendChild(nodes[0]);
    
    return frag;
  }
  
})(document);


var text = '<p class="MsoNormal" style="margin-left:202.5pt;line-height:200%;background:white"><b><span style="font-size: 16pt; line-height: 200%; color: rgb(131, 60, 11); background-image: initial; background-attachment: initial; background-size: initial; background-origin: initial; background-clip: initial; background-position: initial; background-repeat: initial;">test</span></b><span style="font-size:16.0pt; line-height:200%;color:#833C0B;letter-spacing:-.15pt;mso-ansi-language:EN-US"><o:p></o:p></span></p>';

var tagsToKeep = ['a', 'img', 'iframe'];

var sanitizeSelector = tagsToKeep.map(function(tag) {
  return ':not(' + tag + ')';
}).join('');

var sanitizedText = stripHtmlElementsMatching(text, sanitizeSelector);

document.body.appendChild(document.createTextNode(sanitizedText));

在javascript中使用正则表达式删除html标签

2 个答案: