从文本JavaScript中删除HTML

有没有一种简单的方法能够在JavaScript中获取html字符串并去除html？

---

#1楼

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 "";
   }
}

请注意，若是HTML标记不是有效的XML，则它将返回一个空字符串（aka，标记必须关闭而且属性必须用引号引发来）。 这不是理想的选择，可是确实避免了潜在的安全利用问题。

若是您没有有效的XML标记，则能够尝试使用：

var doc = document.implementation.createHTMLDocument("");

可是因为其余缘由，这也不是一个完美的解决方案。

---

#2楼

使用jQuery，您能够简单地经过使用来检索它

$('#elementID').text()

---

#3楼

为纯文本电子邮件转换HTML，使超连接（a href）保持完整

由hypoxide发布的上述函数能够正常工做，可是我进行了一些工做，基本上能够转换在Web RichText编辑器（例如FCKEditor）中建立的HTML，并清除全部HTML，可是因为我想要HTML和纯文本版本，以帮助为STMP电子邮件建立正确的部分（HTML和纯文本）。

通过长时间的搜索，我本身和个人同事们都使用Javascript中的正则表达式引擎提出了如下建议：

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变量开始像这样：

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>

而后在代码运行以后，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

如您所见，全部HTML都已删除，而且连接已被保留，超连接文本仍然完好无损。 另外，我还用\\n （换行符）替换了<p>和<br>标记，以便保留了某种可视格式。

要更改连接格式（例如BBC (Link->http://www.bbc.co.uk) ），只需编辑$2 (Link->$1) ，其中$1是href URL / URI，而$2是超连接的文本。 经过直接在纯文本主体中的连接，大多数SMTP邮件客户端都会将其转换，所以用户能够单击它们。

但愿您以为这个有帮助。

---

#4楼

我本身建立了一个工做正则表达式：

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

---

#5楼

做为jQuery方法的扩展，若是您的字符串可能不包含HTML（例如，若是您尝试从表单字段中删除HTML）

jQuery(html).text();

若是没有html，将返回一个空字符串

采用：

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

代替。

更新：正如已经指出了意见，在某些状况下，该解决方案将执行JavaScript的包含在html若是值html能够被攻击的影响，使用不一样的解决方案。