如何提取mailto值并移除HTML标签？Ruby技术方案咨询

问题场景 #

给定包含<mailto:邮箱地址|显示文本>格式标签和其他HTML标签的字符串，需要提取出邮箱地址，同时移除所有HTML标签，保留正常文本内容：

• 示例输入：<mailto:demomail@gmail.com|demomail@gmail.com> helo<p> bye </p>
• 期望输出：demomail@gmail.com helo bye

之前使用gsub(/<[^>]*>/,'')或ActionView::Base.full_sanitizer.sanitize()的方式会直接删除整个mailto标签，导致丢失邮箱地址，仅得到helo bye，无法满足需求。

解决方案 #

核心思路是先提取mailto中的邮箱地址，再清理所有HTML标签，最后合并结果，具体实现如下：

方法1：纯Ruby正则实现

html_string = "<mailto:demomail@gmail.com|demomail@gmail.com> helo<p> bye </p>"

# 匹配并提取mailto标签内的邮箱地址
email = html_string.match(/<mailto:([^|>]+)\|[^>]+>/)&.captures&.first

# 移除所有HTML标签
clean_text = html_string.gsub(/<[^>]*>/, '')

# 合并结果（处理邮箱不存在的边界情况）
result = [email, clean_text].compact.join(' ').strip
# 输出结果："demomail@gmail.com helo bye"

方法2：结合ActionView Sanitizer实现

如果项目中已经依赖ActionView，可以用官方的清理工具配合邮箱提取：

require 'action_view'

html_string = "<mailto:demomail@gmail.com|demomail@gmail.com> helo<p> bye </p>"

# 提取邮箱地址
email = html_string.match(/<mailto:([^|>]+)\|[^>]+>/)&.captures&.first

# 用ActionView清理所有HTML标签
clean_text = ActionView::Base.full_sanitizer.sanitize(html_string)

# 合并结果
result = [email, clean_text].compact.join(' ').strip

正则说明 #

正则表达式<mailto:([^|>]+)\|[^>]+>的作用：

• <mailto:：匹配mailto标签的起始部分
• ([^|>]+)：捕获邮箱地址（匹配除|和>之外的所有字符，对应邮箱部分）
• \|[^>]+>：匹配邮箱后的|符号及标签内的显示文本，直到标签结束

如果遇到mailto标签无|分隔的变体（如<mailto:test@example.com>），可以调整正则为<mailto:([^>]+)>即可兼容。

内容的提问来源于stack exchange，提问作者luffy