Question

有一种简单的方法可以在JavaScript中获取一串html并删除html吗？

Answer 1

如果您在浏览器中运行，那么最简单的方法就是let the browser do it for you...

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

注意：正如大家在评论中指出的那样，如果您不控制HTML的来源（例如，不要在可能来自用户输入的任何内容上运行此操作），最好避免这种情况。对于这些情况，您可以仍然让浏览器为您完成工作 - see Saba's answer on using the now widely-available DOMParser。

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's approved answer的编辑版本。

正如 Mike Samuel 指出评论一样，该函数可以执行内联javascript代码。
但 Shog9 在说＆＃34;让浏览器为你做的时候是对的......＆＃34;

所以..这里是我编辑的版本，使用DOMParser：

function strip(html){
   var 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，如果你的字符串可能不是contian HTML（例如，如果你试图从表单字段中删除HTML）

jQuery(html).text();

如果没有html

，

将返回一个空字符串

使用：

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

代替。

<强>更新正如评论中指出的那样，在某些情况下，如果html的值受到攻击者的影响，此解决方案将执行html中包含的javascript，请使用其他解决方案。

Answer 6

转换HTML用于纯文本电子邮件，保持超链接（a href）完整

由hypoxide发布的上述函数工作正常，但我之前基本上转换了在Web RichText编辑器（例如FCKEditor）中创建的HTML并清除了所有HTML，但由于我想要两者而留下所有链接HTML和纯文本版本，以帮助创建STMP电子邮件的正确部分（HTML和纯文本）。

经过很长一段时间自己搜索谷歌，我的同事们在Javascript中使用正则表达式引擎想出了这个：

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变量的开头如下：

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，已删除所有HTML并且链接已被保留，超链接文本仍然完好无损。此外，我已将<p>和<br>标记替换为\n（换行符字符），以便保留某种可视格式。

要更改链接格式（例如BBC (Link->http://www.bbc.co.uk)），只需修改$2 (Link->$1)，其中$1是href网址/ URI，$2是超链接文字。通过直接在纯文本正文中的链接，大多数SMTP邮件客户端都会转换这些链接，以便用户可以单击它们。

希望你觉得这很有用。

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造成伤害：

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

Firefox，Chromium和Explorer 9+都很安全。 Opera Presto仍然很脆弱。此外，字符串中提到的图像不会在Chromium和Firefox中下载，也不会保存http请求。

Answer 8

这应该适用于任何Javascript环境（包括NodeJS）。 text.replace(/<[^>]+>/g, '');

Answer 9

我更改Jibberboy2000's answer以包含多个<BR />代码格式，删除<SCRIPT>和<STYLE>代码中的所有内容，通过删除多个换行符和空格并转换格式化生成的HTML一些HTML编码的代码正常。经过一些测试后，您可以将大多数完整网页转换为简单文本，其中保留页面标题和内容。

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>

变为

这是我的头衔

此字符串包含我要删除的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函数和测试页面看起来：

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，对格式错误的HTML更具弹性，例如：

未关闭的标签

Some text <img

“ <”，“>”标记属性内

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

换行符

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

代码

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

与nickf或Shog9相比，另一个不太优雅的解决方案是从＆lt; body＆gt;开始以递归方式遍历DOM。标记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 12

如果你想保留内容的链接和结构（h1，h2等），你应该看看TextVersionJS你可以将它用于任何HTML，虽然它是为了转换HTML电子邮件而创建的纯文本。

用法非常简单。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);

或者在浏览器中使用纯js：

<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 13

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删除HTML标记但允许你包含一些你不想删除的标记的函数可能会有用。它很短，一直很适合我。

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 14

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 15

要获得更简单的解决方案，请尝试执行此=> https://css-tricks.com/snippets/javascript/strip-html-tags-in-javascript/

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

Answer 16

在尝试了所提到的所有答案后，如果不是所有答案都有边缘情况，并且无法完全支持我的需求。

我开始探索php是如何做到的，并且遇到了php.js lib，它在这里复制了strip_tags方法：http://phpjs.org/functions/strip_tags/

Answer 17

br

帐户＆gt;内部属性和新创建的dom元素中的%for.end。

用法：

protected override bool ProcessCmdKey(ref Message msg, Keys keyData)
{

    switch (keyData & Keys.KeyCode)
    {
        case Keys.Enter:
        case Keys.Tab:
            this.dataGridView.Focus();
            break; 
    }

    return base.ProcessCmdKey(ref msg, keyData);

}

演示：

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

做可怕事情的最佳答案演示：

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

Answer 18

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。虽然没有理由使用它们。尝试：

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

Answer 19

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 "";
   }
}

注意，如果HTML标记不是有效的XML，它将返回一个空字符串（也就是说，必须关闭标记并且必须引用属性）。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，这不是一个完美的解决方案。

Answer 20

我对原始的Jibber 2000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 21

也可以使用精彩的htmlparser2纯JS HTML解析器。这是一个有效的演示：

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('');

输出将为This is a simple example.

在此处查看此行动：https://tonicdev.com/jfahrenkrug/extract-text-from-html

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

Answer 22

我只需删除<a>代码并将其替换为链接文字。

这似乎很有效。

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

Answer 23

您可以使用iframe sandbox attribute安全地删除html标记。

这里的想法是，我们不是尝试使用正则表达式，而是通过将文本注入DOM元素然后查询textContent / {{1}来利用浏览器的本机解析器。该元素的属性。

注入文本的最合适的元素是沙盒iframe，这样我们就可以阻止任意代码执行（也称为XSS）。

这种方法的缺点是它只适用于浏览器。

这是我提出的（未经过实战测试）：

innerText

用法（demo）：

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 || "";
  };
})();

Answer 24

使用jQuery，您只需使用

即可检索它

$('#elementID').text()

Answer 25

接受的答案大多数都可以正常使用，但是如果html字符串为null，则会在IE中获得"null"（而不是＆＃39;＆＃39;）。修正：

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

Answer 26

input元素support only one line text：

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：这可以按预期工作

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 27

使用Jquery：

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

Answer 28

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 29

我自己创建了一个正常的正则表达式：

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

Answer 30

对于转义字符，这也可以使用模式匹配：

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

Answer 31

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 32

使用jQuery剥离html的一种更安全的方法是，首先使用jQuery.parseHTML创建DOM，忽略任何脚本，然后再让jQuery构建元素，然后仅检索文本。

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');">

和其他攻击。

nJoy！

Answer 33

方法1：

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

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

方法2：

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

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

也请不要忘记用户是否碰巧发布了数学注释(ex: 1 < 2)，而您也不想删除整个注释。浏览器（仅经过测试的Chrome）无法将unicode作为html标签运行。如果将字符串中的所有<替换为<每种软件，则Unicode将以文本形式显示<，而无需运行任何html。我推荐方法2。jquery也很好用$('#element').text();

Answer 34

    (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 35

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 36

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

m_buf

Answer 37

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 38

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

Answer 39

就我而言，$(".someClass").prop("innerText")就足够了。

从Text JavaScript中删除HTML

39 个答案:

转换HTML用于纯文本电子邮件，保持超链接（a href）完整