如何使用HTML提取文本并替换指定内容-html教程-PHP中文网

DOMParser提取纯文本再替换最安全；innerText适合人眼可见内容，textContent保留原始空白但暴露script/style；服务端用jsdom或BeautifulSoup；禁用正则硬刚HTML。

如何使用html提取文本并替换指定内容

直接用 DOMParser 提取纯文本，再用字符串方法替换最安全；别碰正则硬刚 HTML 结构，99% 的“替换失败”都源于此。

用 `DOMParser` 提取并替换纯文本（浏览器环境）

这是处理用户可见文本的首选路径：先解析成真实 DOM，再读 innerText，最后做字符串替换。它天然跳过标签、属性、脚本、注释，不担心大小写、空格或嵌套。

innerText 会合并空白、折行、隐藏元素内容，适合“人眼看到什么就拿什么”场景
若需保留原始换行/空白（比如日志、代码片段），改用 textContent，但它也会暴露 <script></script> 和 <style></style> 里的内容
必须加兜底：doc.documentElement?.innerText || ''，避免空字符串或解析失败时抛错

function replaceInHtmlText(htmlString, search, replace) {
  const parser = new DOMParser();
  const doc = parser.parseFromString(htmlString, 'text/html');
  const text = doc.documentElement.innerText || '';
  return text.replace(search, replace);
}

只在特定标签内替换（如仅 <p></p> 或

<div class="content">）
<p>当业务要求“只改正文段落，不碰标题或侧栏”，就得定位到具体节点再操作，不能全量提取后替换——否则会丢失结构语义。</p>
<ul>
<li>用 <code>querySelectorAll

精准选中目标元素，遍历其 childNodes 中的文本节点（nodeType === Node.TEXT_NODE）

对每个文本节点调用 nodeValue.replace()，再用 replaceChild() 更新 DOM

注意：直接改 innerText 会清空子元素（比如

<p>Hello <em>world</em></p><div class="aritcle_card flexRow">
                                                        <div class="artcardd flexRow">
                                                                <a class="aritcle_card_img" href="/xiazai/skill11244" title="Convert Markdown To HTML And PDF - Markdown和HTML、PDF互转"><img
                                                                                src="https://img.php.cn/upload/skill/001/246/273/6adaf20d79f23518.jpg" alt="Convert Markdown To HTML And PDF - Markdown和HTML、PDF互转" ></a>
                                                                <div class="aritcle_card_info flexColumn">
                                                                        <a href="/xiazai/skill11244" title="Convert Markdown To HTML And PDF - Markdown和HTML、PDF互转">Convert Markdown To HTML And PDF - Markdown和HTML、PDF互转</a>
                                                                        <p>实现 Markdown↔ HTML 互转，支持导出 PDF，用于用户请求的文档格式转换。</p>
                                                                </div>
                                                                <a href="/xiazai/skill11244" title="Convert Markdown To HTML And PDF - Markdown和HTML、PDF互转" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span> </a>
                                                        </div>
                                                </div>
<p><span>立即学习</span>“<a href="https://pan.quark.cn/s/cb6835dc7db1" style="text-decoration: underline !important; color: blue; font-weight: bolder;" rel="nofollow" target="_blank">前端免费学习笔记（深入）</a>”；</p>

改完只剩纯文本），要保留结构就得逐节点处理

function replaceInPTags(htmlString, search, replace) {
  const parser = new DOMParser();
  const doc = parser.parseFromString(htmlString, 'text/html');
  doc.querySelectorAll('p').forEach(p => {
    p.childNodes.forEach(node => {
      if (node.nodeType === Node.TEXT_NODE) {
        const newText = node.nodeValue.replace(search, replace);
        if (newText !== node.nodeValue) {
          const textNode = doc.createTextNode(newText);
          p.replaceChild(textNode, node);
        }
      }
    });
  });
  return doc.documentElement.outerHTML;
}

服务端（Node.js / Python）替换 HTML 中的文本

没有浏览器 DOM？DOMParser 不可用。此时必须用真正能解析 HTML 的库，而不是 sed 或 str.replace。

Node.js 推荐 jsdom：API 与浏览器一致，可直接用 querySelector + textContent
Python 必用 BeautifulSoup：设 string=True 找纯文本节点，加 if text.parent.name not in ["script", "style"] 过滤掉危险区域
绝对避免 re.sub(r'<p>(.*?)</p>', ...) 类正则——它无法处理换行、属性含 >、自闭合标签等合法变体