含GIF的HTML文本提取：无需innerHTML的替代方案求助

一、用DOMParser替代innerHTML（推荐） #

你的核心问题是innerHTML会触发浏览器加载HTML里的外部资源（比如GIF），导致耗时增加。用DOMParser解析HTML不会加载外部资源，而且能可靠提取文本，是更优的方案：

function extractText(html) {
  const parser = new DOMParser();
  const doc = parser.parseFromString(html, 'text/html');
  return doc.body.textContent || doc.body.innerText;
}

这个方法会把HTML解析成离线的文档对象，不会发起任何资源请求，同时能正确处理嵌套标签、HTML实体、注释等复杂情况，比正则和原方法都靠谱。

二、正则表达式实现（适合简单场景） #

正则可以实现文本提取，但局限性很大，只适合结构简单、没有复杂嵌套/特殊字符的HTML：

function extractTextWithRegex(html) {
  // 先移除script、style标签及其内部内容
  let text = html.replace(/<script[^>]*>[\s\S]*?<\/script>/gi, '');
  text = text.replace(/<style[^>]*>[\s\S]*?<\/style>/gi, '');
  // 移除所有HTML标签
  text = text.replace(/<[^>]+>/g, '');
  // 清理多余空白字符
  text = text.replace(/\s+/g, ' ').trim();
  return text;
}

注意：正则无法处理嵌套标签、HTML实体（比如<）、注释内容等复杂情况，遇到结构复杂的HTML很容易提取出错误内容。

内容的提问来源于stack exchange，提问作者Ashok Yaganti