MySQL中移除<>内内容并检索非标签文本的实现方法

要实现仅检索HTML字段中非<>包裹的文本、忽略所有标签内容的需求，可通过以下两种方式实现：

方法一：自定义去除HTML标签的函数 #

如果你的MySQL账号拥有创建函数的权限，可先定义一个清理HTML标签的函数，再基于处理后的内容查询：

DELIMITER //
CREATE FUNCTION strip_html_tags(input TEXT) RETURNS TEXT
DETERMINISTIC
BEGIN
    DECLARE start_pos INT;
    DECLARE end_pos INT;
    DECLARE temp_text TEXT;
    SET temp_text = input;
    
    WHILE LOCATE('<', temp_text) > 0 AND LOCATE('>', temp_text) > LOCATE('<', temp_text) DO
        SET start_pos = LOCATE('<', temp_text);
        SET end_pos = LOCATE('>', temp_text);
        SET temp_text = INSERT(temp_text, start_pos, end_pos - start_pos + 1, '');
    END WHILE;
    
    RETURN TRIM(temp_text);
END //
DELIMITER ;

创建完成后，即可用该函数过滤字段内容并执行查询，比如检索包含some wording的记录：

SELECT * 
FROM your_table 
WHERE strip_html_tags(your_html_field) LIKE '%some wording%';

方法二：使用正则替换（MySQL 8.0+） #

若使用MySQL 8.0及以上版本，可直接利用内置的REGEXP_REPLACE函数一步完成标签清理与查询，无需自定义函数：

SELECT * 
FROM your_table 
WHERE REGEXP_REPLACE(your_html_field, '<.*?>', '') LIKE '%some wording%';

补充说明 #

• 正则表达式<.*?>会匹配所有以<开头、>结尾的标签内容（包括自闭合标签），替换为空字符串后即可得到纯文本内容。
• 若HTML存在嵌套标签或特殊格式，可根据实际情况调整正则表达式，上述正则可覆盖绝大多数普通HTML场景。

内容的提问来源于stack exchange，提问作者Roger Reyes