7

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。

目前的解决方案

(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();
  }

这三个解决方案都可以正常工作，但是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。但我想允许用户输入<hi all>某种文本。在当前方法中，它删除包含在 <> 中的任何内容。

4

6 回答 6

7

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

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/

这是因为如果 '>' 不是匹配的 '<' 开始标签的一部分，浏览器会将其解析为文本。它不会遇到与尝试使用正则表达式解析 HTML 标签相同的问题，因为您只是在寻找开始分隔符和标签名称，其他一切都无关紧要。

这也是未来的证明：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签创建一个 HTML 元素。如果元素是 的实例HTMLUnknownElement，我们就知道它不是有效的 HTML 标记。正validHTMLTags则表达式为不实现这些原型的旧浏览器（例如 IE 6 和 7）定义了 HTML 标记列表。

于 2013-06-18T10:01:45.323 回答
5

如果您想保持无效标记不变，正则表达式是您最好的选择。像这样的东西可能会起作用：

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

展开(span|div|img|p...)为所有标签的列表（或仅包含您要删除的标签）。注意：列表必须按长度排序，较长的标签在前！

这可能会在某些极端情况下提供不正确的结果（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。

于 2013-06-18T08:53:39.807 回答
1 
var StrippedString = OriginalString.replace(/(<([^>]+)>)/ig,"");
于 2013-06-18T08:53:51.737 回答
0

这是我的解决方案，

function removeTags(){
    var txt = document.getElementById('myString').value;
    var rex = /(<([^>]+)>)/ig;
    alert(txt.replace(rex , ""));

}
于 2014-01-24T13:06:21.930 回答
0

我使用正则表达式来防止我的文本区域中的 HTML 标记

例子

<form>
    <textarea class="box"></textarea>
    <button>Submit</button>
</form>
<script>
    $(".box").focusout( function(e) {
        var reg =/<(.|\n)*?>/g; 
        if (reg.test($('.box').val()) == true) {
            alert('HTML Tag are not allowed');
        }
        e.preventDefault();
    });
</script>
于 2017-08-21T11:49:26.203 回答
0 
<script type="text/javascript">
function removeHTMLTags() {           
var str="<html><p>I want to remove HTML tags</p></html>";
alert(str.replace(/<[^>]+>/g, ''));
    }</script>
于 2017-11-02T12:05:18.087 回答