javascript - 从 html 正文中删除除 <a>、<br>、<b> 和 <img> 之外的所有 HTML 标记

Question

在阅读一些电子邮件 HTML 正文时，我经常有很多我不再需要的 HTML 标签。

如何在 Javascript 中从字符串中删除所有 HTML 标签，例如:

<anything ...>

或

</anything>

除了这少数情况<x ...> , </x> , <x ... />对于 x是:

• a
• br
• b
• img

我想到了类似的事情:

s.replace(/<[^a].*>/g, '');

但我不知道该怎么做。

示例:

<div id="hello">Hello</div><a href="test">Youhou</a>` 

应该变成

Hello<a href="test">Youhou</a>

注意:我正在寻找几行代码解决方案，可以在 90% 的情况下工作(电子邮件正文来 self 自己的电子邮件，因此我没有包含任何恶意的内容)，而不是需要第三方工具/库的完整解决方案。

Answer 1

尝试更换

<\/?(?!(a|br|b|img)\b)\w+[^>]*>

什么都没有。

<\/?匹配开始< ，可选地后跟 /

(?!(a|br|b|img)\b)负向预测确保我们不匹配 a , br , b或img标签。

\w+[^>]*>匹配标签的其余部分。

Here at regex101 .