直接用正则去除HTML标签可行但有明显局限性，仅适用于结构简单、来源可信的纯展示文本清洗；真正安全的方式是用浏览器原生DOM解析，自动处理实体、注释、畸形HTML等，语义准确且容错性强。
直接用正则去除 HTML 标签在 JavaScript 中可行，但有明显局限性——它无法处理嵌套、注释、CDATA、属性中含 或 <code>> 的情况，也不支持自闭合标签的严谨解析。仅适用于结构简单、来源可信的纯展示文本清洗（如富文本编辑器输出的轻量 HTML）。
基础写法：匹配并移除成对或单标签
最常用的是匹配以 开头、以 <code>> 结尾的任意内容：
这个正则含义是： + 任意非 <code>> 字符（[^>]*）+ >，全局替换为空字符串。
它能处理：
立即学习“Java免费学习笔记（深入）”；
-
<div>hello</div>→"hello" -
<p class="intro">Hi</p>→"Hi" -
<br><img src="x" alt="JavaScript中利用正则去除字符串中所有HTML标签" >→ 空字符串（所有标签被清空）
稍稳妥一点：排除注释和 CDATA（仍不完美）
若 HTML 可能含注释（<!-- ... -->）或 CDATA（），可先清除这些再删标签：
.replace(//g, '')
.replace(//g, '')
.replace(/]*>/g, '');
注意：[\s\S] 能匹配换行符，*? 是非贪婪模式，避免跨多行误吞内容。
真正安全的方式：用浏览器原生 DOM 解析
只要运行环境有 DOM（浏览器或 Node.js 配合 JSDOM），这是最可靠的方法：
function stripHtml(html) {if (!html || typeof html !== 'string') return '';
const div = document.createElement('div');
div.innerHTML = html;
return div.textContent || div.innerText || '';
}
优势：
- 自动处理实体（
- 对畸形 HTML（如未闭合标签、属性含
）有容错能力 - 结果语义准确，等同于用户“看到的纯文本”
Node.js 中需先安装 jsdom 并引入：
function stripHtml(html) {
const dom = new JSDOM(html);
return dom.window.document.body.textContent || '';
}
不推荐的“增强正则”误区
有人尝试写更复杂的正则来覆盖更多情况，例如：
/]*>/gi这类写法看似更精确，实则问题更多：
- 无法识别 SVG/HTML5 自定义标签（如
<my-component></my-component>） - 遇到
<script>alert('<div>')</script>这类内容会提前截断 - 正则无法做语法树分析，本质上仍是“字符串擦除”，不是“HTML 解析”
与其花时间调正则边界，不如切换到 DOM 方案——更短、更稳、更少 bug。
