在富文本編輯器、用戶輸入過濾、數據清洗等場景中,常需要去除 HTML 標籤、多餘空白、換行符等。本文深入解析三個核心正則表達式的原理,並提供健壯的通用過濾函數。
/**
* 過濾 HTML 標籤、空白字符、換行符
* @param {string} str - 原始字符串
* @returns {string} 純文本內容
*/
function removeHTMLTag(str) {
if (typeof str !== 'string') return '';
// 1. 去除 HTML 標籤(包括屬性、自閉合標籤)
str = str.replace(/<\/?[^>]*>/g, '');
// 2. 去除行尾空白(空格/製表符 + 換行)
str = str.replace(/[ \t]*\n/g, '\n');
// 3. 去除多餘空行(連續換行合併為一個)
str = str.replace(/\n{2,}/g, '\n');
// 4. 去除所有空格字符(包括 實體解碼後的空格)
str = str.replace(/ /g, ''); // 針對 解碼後的普通空格
str = str.replace(/\s+/g, ' '); // 合併連續空白為單個空格(可選)
// 5. 去除首尾空白
return str.trim();
}
// 拆解:
/ # 正則開始
< # 匹配字面量 "<"
\/? # 匹配 0 或 1 個 "/"(即可匹配 也可匹配 )
[^>]* # 匹配任意非 ">" 字符,0 次或多次(貪婪模式)
> # 匹配字面量 ">"
/g # 全局匹配(所有出現)
匹配示例:
` → 匹配局限性:無法處理標籤屬性值中包含 `>` 的情況(如 ``),但實際開發中極少見,可接受。
[ \t]* # 匹配 0 或多個空格或製表符
\n # 匹配換行符
將「空白 + 換行」替換為單純換行,保留段落結構。
修飾符:`g` 全局,`i` 忽略大小寫(此處無字母大小寫,`i` 無效果)。
若需保留段落換行、合理空白,可用:
function cleanHTMLKeepFormat(str) {
if (typeof str !== 'string') return '';
// 1. 轉換塊級標籤為換行(如 div, p, br, h1-h6, li 等)
str = str.replace(/<\/?(div|p|br|h[1-6]|li|ul|ol|tr|td|th|table|section|article|header|footer|main|aside|nav)>/gi, '\n');
// 2. 去除其餘所有標籤
str = str.replace(/<\/?[^>]*>/g, '');
// 3. 解碼常見 HTML 實體
var entities = {
' ': ' ',
'<': '<',
'>': '>',
'&': '&',
'"': '"',
''': "'"
};
str = str.replace(/ |<|>|&|"|'/gi, function(m) {
return entities[m];
});
// 4. 合併連續空白行(最多保留 2 個換行 = 1 個段落間距)
str = str.replace(/\n{3,}/g, '\n\n');
// 5. 去除每行首尾空白
str = str.replace(/^[ \t]+|[ \t]+$/gm, '');
return str.trim();
}
var html = `
<div class="box">
<p>Hello World!</p>
<span style="color:red">This is a <b>test</b>.</span>
<br/>
<!-- 注釋 -->
</div>
`;
console.log('原始:', html);
console.log('純文本:', removeHTMLTag(html));
// 輸出: "HelloWorld!This is a test."
console.log('保留格式:', cleanHTMLKeepFormat(html));
// 輸出:
// "Hello World!
// This is a test."
function stripTagsDOM(str) {
var parser = new DOMParser();
var doc = parser.parseFromString(str, 'text/html');
return doc.body.textContent || '';
}
正則過濾 HTML 適合簡單場景,複雜嵌套、異常標籤、實體編碼等情況下,基於 DOM 解析的方案更健壯。根據業務場景選擇合適方案,並在前後端雙重防護。