如何保留a、img、h3标签并移除其他HTML标签？当前正则失效

方法一：正则表达式（适合简单场景） #

你可以用反向匹配的正则规则，只保留a、img、h3标签，移除其他所有HTML标签。适配的正则表达式如下：

<(?!\/?(a|img|h3)\b)[^>]+>

规则说明： #

• <：匹配标签的起始符号
• (?!\/?(a|img|h3)\b)：负向预查，排除以a、img、h3开头的标签（包括</a>这类闭合标签）
• [^>]+>：匹配标签剩余部分直到闭合符号>

用你的示例文本测试，替换后结果为：

Test paragraph
<a href="ttt">link</a>
dadadsadsa
<img src="#">
<h3>This is a test title</h3>

方法二：HTML解析库（推荐，更可靠） #

正则处理HTML容易出现边缘问题（比如标签内特殊字符、嵌套标签），更稳妥的方式是用专业HTML解析库，以Python的BeautifulSoup为例：

from bs4 import BeautifulSoup

html_content = """
<article>
<p>Test paragraph</p>
<a href="ttt">link</a>
<figure>dadadsadsa</figure>
<img src="#">
<h3>This is a test title</h3>
</article>
"""

soup = BeautifulSoup(html_content, "html.parser")

# 遍历所有标签，移除不在白名单内的标签，保留内部内容
for tag in soup.find_all(True):
    if tag.name not in ["a", "img", "h3"]:
        tag.unwrap()

print(soup.prettify())

运行后输出结果：

Test paragraph
<a href="ttt">link</a>
dadadsadsa
<img src="#"/>
<h3>This is a test title</h3>

内容的提问来源于stack exchange，提问作者Kojak Eugenio