从< a>，< br>，< b>和< img> [英] Remove all HTML tags from a html body except <a>, <br>, <b> and <img>

问题描述

阅读一些电子邮件HTML正文时，我经常会有很多HTML标签，我不想要了。

如何从Javascript中的字符串中移除所有HTML标记，如：

 <任何...> 
  

或

 < /&任何GT; 
  

除了这几个例子< x ...> ，< / x> ，< x ... /> $ c> x 存在：

• a


• br


• b


• img

例如：

  s.replace（/< [^ a]。*> / g，''）; 
  

但我不确定如何去做。

示例：

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

应该变成

 您好< a href =test> Youhou< / a> 
  

注意：我正在寻找几行代码解决方案可以在90％的时间内工作（电子邮件正文来自我自己的电子邮件，所以我没有包含任何恶意），而不是需要第三方工具/库的完整解决方案。

解决方案

尝试替换

 < \ ？（？！（一个| BR | b | IMG）\b）/ \w + [^>] * GT; 
  

with nothing 。

< \ /？匹配开始< ，可选地后跟一个 /

（？！（a | br | b | img）\ b）负前视确保我们不匹配 a ， br ， b 或 img 标签。 $ b

\w + [ ^>] *> 匹配标记的其余部分。 在这里regex101 。

When reading some email HTML body, I often have lots of HTML tags, that I don't want anymore.

How to remove from a string, in Javascript, all HTML tags like:

<anything ...>

or

</anything>

except these few cases <x ...>, </x>, <x ... /> for x being:

• a
• br
• b
• img

I thought about something like:

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

but I'm not sure how to do it.

Example:

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

should become

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

Note: I'm looking for a few lines-of-code solution that would work for 90% of the times (the email body comes from my own emails, so I didn't include anything malicious), not for a full solution that would require third-party tool/library.

解决方案

Try replacing

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

with nothing.

<\/? Match the start <, optionally followed by a /

(?!(a|br|b|img)\b) Negative look-ahead ensuring we don't match a, br, b or img tags.

\w+[^>]*> Match the rest of the tag.

Here at regex101.

这篇关于从< a>，< br>，< b>和< img>的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！