Regexp to remove all html tags except <br>

Regexp to remove all html tags except <br>

本文关键字：lt br gt except tags to remove all html Regexp      更新时间：2023-09-26

我正在尝试用javascript制作一个regexp，以从输入字符串中删除除<br>之外的所有html标记。

我使用/(<([^>]+)>)/ig作为标签，并尝试了一些方法，如添加[^（br）]，但我现在只是感到困惑。

有人能帮忙吗？我相信这将是SO大师之间的速度竞赛，所以如果答案解释了这个表达的逻辑，我会选择它而不是其他表达。

编辑：

对于所有"不要这么做"的人，让我引用Stack Overflow 中的以下内容

虽然要求正则表达式解析任意HTML就像要求Paris Hilton编写操作系统一样，但有时解析一组有限的已知HTML是合适的。

在这种特殊情况下，它是div中的一堆文本，在许多页面中保持一致。我只想去掉少数情况（最多1%），其中用户包括跨度、strong和其他一些格式标记。它不值得花更多的时间来正则表达式，因为它几乎不会在我处理的数千页中发生。如果你有一个更好、更快实现的想法，请随时将其作为答案发布；）

编辑2

这么多评论，我想添加一个免责声明：使用Regexp解析HTML是非常糟糕的。它不会一直有效，而且还有更好的方法。Domparser已经被提及；Node.js上有Cheerio或jsdom，还有更多的库可以正确解析HTML文档（在99%的情况下）。在这种情况下，它更像是一个字符串，恰好包含一些我需要删除的<...>。

试试这个：

/(<((?!br)[^>]+)>)/ig

使用DOMParser解析字符串，然后遍历它（我在这个问题中使用了代码），提取您感兴趣的部分：

var str = "<div>some text <span>some more</span><br /><a href='#'>a link</a>";
var parser = new DOMParser();
var dom = parser.parseFromString(str, "text/html");
var text = "";
var walkDOM = function (node, func) {
    func(node);
    node = node.firstChild;
    while (node) {
        walkDOM(node,func);
        node = node.nextSibling;
    }
};
walkDOM(dom, function (node) {
    if (node.tagName === 'BR') {
        text += node.outerHTML;
    }
    else if (node.nodeType === 3) { // Text node
        text += node.nodeValue;
    }        
});
alert(text);

这可能会奏效。但是，不管正则表达式是什么，它都无法解析html。

 # /(?!<'/?br's*'/?>)<[^>]+>/g
 (?! < /? br 's* /? > )
 < [^>]+ >

我最终使用了：

.replace('<br>','%br%').replace(/(<([^>]+)>)/g,'')

然后我拆分了"%br%"，而不是常规的br标记。它不是一个HTML解析器，我相信它将无法100%解析万维网，并且它100%地解决了我的特定问题（只是经过了尝试和测试）。

相关文章：