如何清理HTML字符串中除<font>和<br>外的所有元素？

核心思路 #

• 匹配所有HTML标签并提取标签名称
• 仅保留<font>、</font>、<br>、<br/>这四类标签
• 将其余标签的尖括号替换为HTML实体（<→<，>→>），使其无法被浏览器解析为HTML元素

实现代码示例（JavaScript） #

function cleanHtmlTags(str) {
    // 正则匹配所有HTML标签，捕获闭合符、标签名、属性内容
    return str.replace(/<(\/?)([a-z]+)([^>]*)>/gi, (fullMatch, slash, tag, attrs) => {
        const allowedTags = ['font', 'br'];
        // 统一转小写判断，兼容大小写形式的标签
        if (allowedTags.includes(tag.toLowerCase())) {
            return fullMatch;
        }
        // 替换尖括号为实体，将标签转为纯文本
        return fullMatch.replace(/</g, '&lt;').replace(/>/g, '&gt;');
    });
}

// 测试用例
const originalContent = '<h2>测试标题</h2><font color="red">红色字体</font><p>段落内容<br/>换行测试</p>';
const cleanedContent = cleanHtmlTags(originalContent);
console.log(cleanedContent);

关键说明 #

• 正则的gi标志实现全局匹配且忽略标签大小写，适配<BR>、<FONT>这类大写格式的标签
• 保留带属性的<font>标签（如<font size="2">），不修改其属性内容
• 支持自闭合的<br/>标签，同样会被完整保留

测试结果 #

原内容：

测试标题

红色字体

段落内容
换行测试

处理后内容：

<h2>测试标题</h2>红色字体<p>段落内容
换行测试</p>

内容的提问来源于stack exchange，提问作者ghosty