MongoDB如何一次性移除字段内HTML标签提取纯文本内容

以下两种方案都无需重复使用$project枚举字段，可一次性清除<p>、<span>、<br/>等所有HTML标签，直接得到纯文本内容：

方案1：正则替换（MongoDB 5.0及以上版本推荐） #

利用$replaceAll配合HTML标签通用匹配正则，直接在原字段上完成替换，性能最优：

db.你的集合名.aggregate([
  {
    $set: {
      Description: {
        $replaceAll: {
          input: "$Description",
          // 匹配所有<开头、>结尾的标签片段，覆盖所有常规HTML标签
          find: /<[^>]+>/g,
          replacement: ""
        }
      }
    }
  }
])

• 如果需要将标签替换为空格避免相邻文本粘连，将replacement参数值改为" "即可
• 替换后如果存在多余首尾空白，可以嵌套一层$trim做处理，示例：$trim: { input: { /* 上面的$replaceAll逻辑 */ } }

方案2：自定义JS函数替换（MongoDB 4.2及以上版本兼容） #

如果使用的MongoDB版本低于5.0、没有正则模式的$replaceAll支持，可以通过$function执行JS逻辑实现替换，灵活度更高：

db.你的集合名.aggregate([
  {
    $set: {
      Description: {
        $function: {
          body: function(descContent) {
            if (!descContent) return "";
            // 移除所有HTML标签后自动清除首尾空白
            return descContent.replace(/<[^>]+>/g, "").trim();
          },
          args: ["$Description"],
          lang: "js"
        }
      }
    }
  }
])

注意：如果存储的HTML内容中存在不属于标签的<、>字符（比如代码片段、数学表达式中的尖括号），上述正则可能出现误替换，这类特殊场景可以在自定义JS函数中补充更严谨的解析规则；常规富文本编辑器生成的客户描述场景下，上述方案完全可以满足需求。

针对给出的样例文档，执行上述任意一种聚合查询后，返回的Description字段值均为This will be a test description，其余字段保持原值，和预期输出完全一致。

内容的提问来源于stack exchange，提问作者Jayven Javier