HTML属性值中的文本怎么提取？属性解析提取指南-html教程-PHP中文网

最可靠方案是用 domparser 解析 html 属性值：调用 parsefromstring(htmlstr, 'text/html')，再取 doc.documentelement.innertext（回退 doc.body?.innertext），可正确处理嵌套、实体、自闭合标签等全部合法语法。

html属性值中的文本怎么提取？属性解析提取指南

直接用 `DOMParser` 解析 `title` 等属性值最可靠

HTML 属性（比如 title、data-html、aria-label）里存的常常是带标签的 HTML 字符串，不能当纯文本直接用。有人试过 .replace(/]*>/g, '')，但一遇到 <img src="a>b.png"> 或未闭合的 <i></i> 就崩，根本不可靠。

浏览器原生的 DOMParser 是唯一能正确处理所有合法 HTML 语法的方案：自闭合标签、嵌套、属性含 >、实体编码（&、）、注释、CDATA —— 全部自动识别。

必须用 parseFromString(htmlStr, 'text/html')，传 'text/xml' 会失败
优先取 doc.documentElement.innerText，回退到 doc.body?.innerText 更稳妥
别用 textContent：它会把 <script></script> 和隐藏元素里的内容也拉出来，而 innerText 模拟真实渲染逻辑，更符合语义预期

`innerHTML + textContent` 临时 div 方案在简单场景够用但有坑

快速原型或兼容老项目时，有人写 const temp = document.createElement('div'); temp.innerHTML = attrValue; return temp.textContent;。这确实比正则强，但要注意几个硬伤：

Article To Html

文章转信息图。将文章/笔记转化为手机可读的 HTML 信息图，自动匹配视觉风格。触发场景：文章转图、笔记转图、信息图、转小红书图、做张图、可视化这篇文章、文生图。

下载

如果属性值本身是片段（如
```
"<span>hello</span><br>world"
```
），temp.innerHTML 会被浏览器自动包裹进 ...，一般不影响；但如果属性值含 <base> 或 <script></script>，可能触发副作用
textContent 不过滤隐藏元素（display: none 或 visibility: hidden 的内容仍计入），而 innerText 会跳过——对 title 这类用户可见提示，innerText 更准
IE8 及更早不支持 DOMParser，但这类浏览器现在基本可忽略；若真要兼容，只能用 innerText + 临时 div，且得手动清理 <script></script> 和 <style></style> 子节点

PHP 里用 `DOMDocument::loadHTML()` 提取前必须关错误报告

PHP 的 DOMDocument 解析 HTML 属性值（比如从 data-desc 中提取）时，哪怕输入只是 "<p>test</p>"，也会因缺少头报 warning。不处理就会污染输出，甚至让 JSON 接口返回乱码。

务必在 loadHTML() 前调用 libxml_use_internal_errors(true)
解析后用 $dom->documentElement->textContent 取文本，不是 $dom->textContent（后者可能含 doctype 文本节点）
如果属性值来自不可信来源，loadHTML() 本身不防 XSS，但提取纯文本后已无执行风险；真正要防的是后续再把这文本插回 DOM 时没转义