strip_tags()可快速移除html/php标签但不处理属性、注释、实体及xss，domdocument提取textcontent更安全可靠，正则表达式慎用易误删。

移除字符串中的所有 HTML 特性，核心是剥离标签、属性、注释、脚本、样式及实体编码，最终保留可读纯文本。不同场景下方法差异明显，不能只靠简单替换。

用 strip_tags 快速去标签（适合基础场景）

PHP 内置函数 strip_tags() 最直接：它能移除所有 HTML 和 PHP 标签，同时保留标签之间的文本内容。

• 基础用法：strip_tags($html) —— 移除全部标签
• 保留指定标签：

  strip_tags($html, ['<p>', '<br>', '<strong>'])</strong></p>

  —— 仅留段落、换行和加粗
• 注意：它不解析嵌套结构，也不处理未闭合标签；<script></script> 或 <!-- comment --> 会被删掉，但不会解码   等实体

用 DOMDocument 安全提取纯文本（推荐用于用户输入）

当 HTML 结构复杂、含不规范写法或需严格保留文本逻辑时，DOMDocument + textContent 更可靠。它真正解析文档树，自动忽略无效标签、修复嵌套，并正确处理实体与换行。

Wechat HTML Publisher

直接上传HTML富文本到微信公众号草稿箱。支持完整的HTML格式,无需Markdown转换。

下载

• 关键配置：加载时加 LIBXML_HTML_NODEFDTD | LIBXML_HTML_NOIMPLIED，避免自动补
• 提取方式：$dom->documentElement->textContent —— 比遍历删除子节点更简洁、更健壮
• 示例：<p>Hello<script>alert(1)</script></p> → 输出 Hello，且脚本内容被自然丢弃

用正则表达式慎用（仅限已知干净结构）

正则如 /]*>/g（JS）或 /]+>/（PHP/Python）能快速清除标签，但有明显局限：

• 会误杀含 的合法文本，例如 <code>"x → 变成 <code>"x is true"
• 无法识别注释 <!-- ... -->、CDATA、自定义标签或属性中带尖括号的值
• 不处理 HTML 实体（© 还是原样），也不还原换行与空格格式

服务端语言常用方案对比

不同语言有成熟替代方案，比手写正则更安全：

• Python：用 BeautifulSoup(html, 'html.parser').get_text() 或 lxml.etree.HTML(html).xpath('string(.)')
• JavaScript（浏览器）：创建临时元素 div.innerHTML = html; const text = div.textContent;
• JavaScript（Node.js）：用 jsdom 或 cheerio 模拟 DOM 解析
• Java：推荐 Jsoup.parse(html).text()，支持防 XSS 预处理（如先 unescape 再提取）

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！