请问是否存在可用于Ballerina的HTML标签移除类库？

如果找不到现成的类库，直接用Ballerina的正则表达式功能就能快速实现需求，以下是两种可行的实现方式：

方法一：基础版——移除所有HTML标签 #

利用ballerina/regex模块的replaceAll函数，匹配并移除所有HTML标签（包括带属性的自闭合标签）：

import ballerina/regex;
import ballerina/io;

function stripHtmlTags(string input) returns string {
    // 匹配所有以<开头、>结尾的HTML标签内容
    return regex:replaceAll(input, "<[^>]+>", "");
}

// 示例调用
public function main() {
    string rawReportField = "<div class='result'><h3>高危漏洞</h3><p>共检测到5个</p></div>";
    string cleanContent = stripHtmlTags(rawReportField);
    io:println(cleanContent); // 输出：高危漏洞共检测到5个
}

方法二：进阶版——保留基础文本格式 #

如果需要保留换行、段落这类可读性格式（比如把<br>、</p>转成换行符），可以扩展替换逻辑：

import ballerina/regex;
import ballerina/io;

function stripHtmlTagsWithFormat(string input) returns string {
    // 先替换换行类标签为换行符
    string formatted = regex:replaceAll(input, "<br\\s*/?>|</p>", "\n\n");
    // 移除剩余所有HTML标签
    return regex:replaceAll(formatted, "<[^>]+>", "");
}

// 示例调用
public function main() {
    string rawReportField = "<p>漏洞详情：</p><br><p>1. SQL注入（高危）</p><p>2. 弱密码（中危）</p>";
    string cleanContent = stripHtmlTagsWithFormat(rawReportField);
    io:println(cleanContent);
    // 输出：
    // 漏洞详情：
    //
    // 1. SQL注入（高危）
    //
    // 2. 弱密码（中危）
}

额外提示 #

• 如果扫描报告里有HTML注释、CDATA块这类特殊内容，可以先通过regex:replaceAll(input, "<!--.*?-->|<!\\[CDATA\\[.*?\\]\\]>", "")提前清理，再执行标签移除。
• 若遇到异常格式的嵌套HTML，正则处理不够严谨的话，可以通过Ballerina的Java互调用能力，直接使用Java的JSoup库做解析，但对于扫描报告这类结构化程度不高的文本，正则方案足够轻量高效。

内容的提问来源于stack exchange，提问作者Gayal Dassanayake