有些情境需要把使用者輸入或抓取到的 HTML 片段還原成純文字,例如統計字數、產生摘要、或做簡易的內容過濾。最直覺的做法是用一條正則表達式把標籤整批拿掉。
下面的範例做了一個雙欄的小工具:左邊貼上原始內容,按下「過濾」按鈕,右邊就會顯示去除標籤後的純文字。
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "https://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="https://www.w3.org/1999/xhtml">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
<title>過濾 HTML 標籤</title>
<script>
window.onload = function () {
var oTxt1 = document.getElementById('txt1');
var oTxt2 = document.getElementById('txt2');
var oBtn = document.getElementById('btn');
oBtn.onclick = function () {
var reg = /<[^<>]+>/g; // 核心:匹配一對角括號內的任何內容
oTxt2.value = oTxt1.value.replace(reg, '');
};
};
</script>
</head>
<body>
<textarea id="txt1" cols="40" rows="10"></textarea><br />
<input type="button" value="過濾" id="btn" /><br />
<textarea id="txt2" cols="40" rows="10"></textarea>
</body>
</html>
整個效果的關鍵只有一行正則:/<[^<>]+>/g,意思是「從 < 開始,接著一個以上非角括號字元,直到 > 結束」,全域比對後一次清空。
不過要提醒的是,正則清除法只適合處理「把標籤變成文字」這類單純需求,並不具備安全性。若內容來自不可信的來源,正則很容易被 <img src=x onerror=...> 這種變形寫法繞過,因此不能用來防 XSS。真正需要過濾使用者輸入時,請改用 DOM 解析後只取文字節點,或直接採用成熟的 sanitizer 函式庫;而在顯示純文字時,使用 textContent 而非 innerHTML 才是安全的基本功。