HTML怎么提取纯文本内容_HTML去除标签保留文字【指南】

陌枫酱_2535

陌枫酱_2535

2026-03-22

670人浏览

原创

textContent 是提取纯文本最可靠的方式,它忽略 HTML 标签、不触发重排、保留空格换行,且能获取隐藏元素文本;但不解析 HTML 实体,需配合 DOMParser 转义。

html怎么提取纯文本内容_html去除标签保留文字【指南】

用 textContent 最快最安全

直接读取元素的 textContent 属性,是提取纯文本最可靠的方式。它天然忽略所有 HTML 标签,只返回渲染时用户实际看到的文字内容(包括空格、换行),且不触发重排或执行脚本。

常见错误现象:有人用 innerHTML + 正则删标签,结果把 <script>alert(1)</script> 里的文字也漏掉,或者误删   这类实体;还有人用 innerText,但在 Firefox 中会跳过隐藏元素,导致文本缺失。

  • textContent 能拿到 display: none 或 visibility: hidden 元素里的文字
  • 它不会解析 HTML 实体,© 会原样输出为字符串 ©,如需转义得额外处理
  • 性能上比正则或 DOM 遍历快一个数量级,尤其对大段 HTML

需要转义 HTML 实体?用 DOMParser 配合 textContent

如果原始 HTML 字符串里有  、 这类实体,而你希望它们变成对应字符(比如空格、),就不能只靠 textContent —— 它不解析实体。

正确做法是先用 DOMParser 解析字符串为文档片段,再取 textContent:

const parser = new DOMParser();
const doc = parser.parseFromString(' Hello <b>world</b>', 'text/html');
const text = doc.body.textContent; // → " Hello world"

注意点:

  • parseFromString 的 MIME 类型必须是 'text/html',写成 'application/xml' 会失败
  • IE 不支持 DOMParser 解析 HTML(仅支持 XML),如需兼容 IE,得 fallback 到临时 div.innerHTML + textContent
  • 不要用 innerHTML 直接写入不可信字符串,否则可能执行恶意脚本

正则 /]*>/g 看似简单,但根本不可靠

网上常见“用正则删掉所有 <...>”的做法,在真实场景中几乎必然出错。

DeepBI DHTML 页面生成器
DeepBI DHTML 页面生成器

生成可在 deepbi 沙箱 iframe 内运行或作为独立文件运行的交互式 HTML 页面,使用 `window.deepbi` JS SDK 实现数据查询、空间管理、文件浏览及用户操作。当用户提出以下需求时启用该能力: - 创建 KPI 仪表盘、数据表格、文件浏览器、成员列表、管理页面; - 明确要求“转成 dhtml”、“转译成 HTML”、“把 XX 页面转成……”、“控制台页面”、“管理后台”、“DeepBI 页面迁移”; - 提及位于 `apps/console/src/featur

下载

典型翻车现场:

  • 遇到 <script>console.log('<div>')</script> 这种嵌套在字符串里的尖括号,正则直接乱劈叉
  • A < B 里的 是属性值,不该被当标签头删掉
  • 注释 、CDATA 段、DOCTYPE 都会被漏处理或误伤

结论:正则只适合清理已知格式的极简标记(比如自己生成的、无属性无嵌套的标签),绝不能用于任意 HTML 字符串。

服务端或大量文本?别在浏览器里硬刚

如果要批量处理几百 KB 的 HTML 文本(比如爬虫结果、邮件正文),在前端用 JS 解析会卡住主线程,用户体验差,还可能爆内存。

更合理的分工是:

  • 服务端用成熟库处理:Node.js 用 cheerio 或 jsdom,Python 用 BeautifulSoup 或 lxml
  • 浏览器端只做轻量展示层清洗,比如用户粘贴进富文本框后实时预览纯文本
  • 真要前端跑大 HTML,至少用 Web Worker 隔离,避免阻塞 UI

容易被忽略的是:textContent 看似简单,但它依赖 DOM 已挂载。如果元素还没插入文档(比如刚 document.createElement('div')),textContent 仍可读,但 innerText 可能返回空字符串——这个差异在动态渲染场景里经常引发 bug。

前端入门到VUE实战笔记:立即使用
在学习笔记中,你将探索 前端 的入门与实战技巧!

相关文章

HTML速学教程(入门课程)
HTML速学教程(入门课程)

HTML怎么学习?HTML怎么入门?HTML在哪学?HTML怎么学才快?不用担心,这里为大家提供了HTML速学教程(入门课程),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

html

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
html版权符号
html版权符号

html版权符号是“©”,可以在html源文件中直接输入或者从word中复制粘贴过来,php中文网还为大家带来html的相关下载资源、相关课程以及相关文章等内容,供大家免费下载使用。

2023.06.14

7675

7

html在线编辑器
html在线编辑器

html在线编辑器是用于在线编辑的工具,编辑的内容是基于HTML的文档。它经常被应用于留言板留言、论坛发贴、Blog编写日志或等需要用户输入普通HTML的地方,是Web应用的常用模块之一。php中文网为大家带来了html在线编辑器的相关教程、以及相关文章等内容,供大家免费下载使用。

2023.06.21

4212

4

html网页制作
html网页制作

html网页制作是指使用超文本标记语言来设计和创建网页的过程,html是一种标记语言,它使用标记来描述文档结构和语义,并定义了网页中的各种元素和内容的呈现方式。本专题为大家提供html网页制作的相关的文章、下载、课程内容,供大家免费下载体验。

2023.07.31

3870

5

html空格
html空格

html空格是一种用于在网页中添加间隔和对齐文本的特殊字符,被用于在网页中插入额外的空间,以改变元素之间的排列和对齐方式。本专题为大家提供html空格的相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.01

3899

5

html是什么
html是什么

HTML是一种标准标记语言,用于创建和呈现网页的结构和内容,是互联网发展的基石,为网页开发提供了丰富的功能和灵活性。本专题为大家提供html相关的各种文章、以及下载和课程。

2023.08.11

5319

6

html字体大小怎么设置
html字体大小怎么设置

在网页设计中,字体大小的选择是至关重要的。合理的字体大小不仅可以提升网页的可读性,还能够影响用户对网页整体布局的感知。php中文网将介绍一些常用的方法和技巧,帮助您在HTML中设置合适的字体大小。

2023.08.11

3821

3

html转txt
html转txt

html转txt的方法有使用文本编辑器、使用在线转换工具和使用Python编程。本专题为大家提供html转txt相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.31

3649

3

html文本框代码怎么写
html文本框代码怎么写

html文本框代码:1、单行文本框【<input type="text" style="height:..;width:..;" />】;2、多行文本框【textarea style=";height:;"></textare】。

2023.09.01

3128

6

HTML嵌入CSS样式的方法
HTML嵌入CSS样式的方法

HTML嵌入CSS样式的方法有内联样式、内部样式表和外部样式表。本专题为大家提供CSS样式相关的文章、下载、课程内容,供大家免费下载体验。

2023.09.20

3308

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
GDB 17.2 官方文档集合
GDB 17.2 官方文档集合

共0课时 | 0人学习

Bootstrap 入门安装配置
Bootstrap 入门安装配置

共0课时 | 0人学习

38+ PhpStorm 提示和技巧
38+ PhpStorm 提示和技巧

共1课时 | 244人学习