用正则删除html标签可行但有局限，仅适用于简单规范场景；基础正则匹配单行标签，增强版需处理换行和注释；但无法安全处理脚本内>、嵌套结构或实体编码；推荐优先使用domparser、beautifulsoup等html解析器。> ↩
用正则删除 HTML 标签可行，但有明显局限——它适合简单、格式规范的场景（比如清洗用户输入的富文本片段），不适用于解析真实 HTML 文档。核心思路是匹配并替换掉所有以 结尾的标签结构。
基础正则：匹配单行普通标签
最常用的是：]*>
- 匹配左尖括号<br>
- <code>[^>]* 匹配任意数量非 > 的字符（即标签内部内容，不含嵌套）
- > 匹配右尖括号
这个表达式能处理像 <p></p>、<div class="a">、<code> 这类标准标签，也兼容自闭合标签如 <br> 或 <img src="x">（只要中间没出现 >）。
增强版：覆盖换行和常见干扰
如果 HTML 字符串含换行或注释，基础正则会失效。可改用：]*> 配合 点号匹配换行（如 JavaScript 的 /.../s 标志，Python 的 re.DOTALL），或更稳妥地用：]*(?:>|(?= ——但实际中更推荐分步处理：
- 先删 HTML 注释：
<!--[\s\S]*?--> - 再删 CDATA：
- 最后删标签：
]*>（启用 DOTALL）
必须注意的坑
正则无法安全处理以下情况：
- 标签内含
>，比如<script>alert("x>y");</script>—— 正则会提前截断 - 属性值含未转义的
或 <code>>（虽不符合规范，但真实数据中存在） - 嵌套标签（如
<div><p>text</p></div>）本身不会出错，但若混入 JS/CSS 内联代码就容易误删 - 实体编码（如
<）会被当作普通文本保留，不是标签，但看起来像
更可靠的做法（推荐）
如果环境允许，优先使用 HTML 解析器：
- JavaScript：用
DOMParser或临时div.innerHTML = str; div.textContent - Python：用
BeautifulSoup（soup.get_text()）或html.parser - Java：用
Jsoup
它们能正确识别结构、忽略脚本/样式内容、处理编码，并天然规避正则的语义盲区。
