萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網頁製作 >> HTML5 教學

正則表達式移除 HTML 標籤實戰技巧

JavaScript 正則清洗 HTML 內容

前端常需從富文本中提取純文本,或保留特定標籤。掌握正則模式能高效處理。

基礎移除所有標籤

const stripAllTags = (html) => html.replace(/<[^>]*>/g, '');

解析:<[^>]*> 匹配從 < 到 > 的任意字符(貪婪模式)。

保留特定標籤(如 br、img、p)

// 僅保留 br、img、p 標籤
const keepSomeTags = (html) => html.replace(/<(?!(\/?(br|img|p)\b))[^>]*>/gi, '');

解析:負向前瞻 (?!...) 排除指定標籤。\/? 匹配可選關閉斜線,\b 詞邊界防止誤匹配 pre 等。

完整工具函數

function filterHtmlTags(html, allowedTags = []) {
  if (!allowedTags.length) return html.replace(/<[^>]*>/g, '');
  
  const escaped = allowedTags.map(t => t.replace(/[.*+?^${}()|[\]\\]/g, '\\$&')).join('|');
  const regex = new RegExp(`<(?!\\/?(${escaped})\\b)[^>]*>`, 'gi');
  return html.replace(regex, '');
}

// 使用範例
const dirty = '<div><p>保留</p><script>alert(1)</script><br/></div>';
console.log(filterHtmlTags(dirty, ['p', 'br'])); 
// 輸出: "<p>保留</p><br/>"

進階:處理屬性與 XSS 防護

單純正則無法完整解析巢狀結構、屬性值中的 >、註釋、CDATA 等邊界情況。生產環境建議:

  • 使用 DOMParser 解析後遍歷節點
  • 或引入成熟庫(DOMPurify、sanitize-html)
  • 設置 CSP 標頭防禦 XSS

常見陷阱

  1. 貪婪匹配導致跨標籤吞噬:<.*> 錯,應用 <[^>]*> 或 <.*?>
  2. 忽略註釋 <!-- -->、Doctype、CDATA 區塊
  3. 屬性值包含 > 字符(如 <div data="a>b">)導致提前截斷
  4. 自我關閉標籤 <br/>、<img/> 需正確匹配

正則適合簡單場景,複雜 HTML 清洗請使用 DOM 方案。

copyright © 萬盛學電腦網 all rights reserved