如何清除字符串中的HTML标签？附代码示例场景

架构老林

2026-5-11

嘿，这个问题问得很实在！清除HTML标签的最优方法其实得看你的具体场景——比如你要处理的HTML复杂度、使用的编程语言，还有是否需要保留文本的结构。我来给你拆解一下：

清除HTML标签的通用最优方案

首先要明确：尽量不要用正则表达式处理HTML——除非你面对的是极端简单、无嵌套、无属性的标签。HTML的结构太灵活，正则很容易漏掉边缘情况（比如嵌套标签、属性里的尖括号、注释内容），专业的HTML解析库才是靠谱的选择。

这里给你几个主流语言的常用实现：

Python：用BeautifulSoup库，它能完美解析各种HTML结构，提取纯文本非常方便

from bs4 import BeautifulSoup

def strip_html(html_str):
    soup = BeautifulSoup(html_str, "html.parser")
    return soup.get_text(strip=True)  # strip=True会自动去除多余的空白字符

JavaScript：利用浏览器的DOM解析能力，或者用cheerio（Node.js环境）

// 浏览器环境
function stripHtml(htmlStr) {
    const tempDiv = document.createElement('div');
    tempDiv.innerHTML = htmlStr;
    return tempDiv.textContent.trim();
}

// Node.js环境用cheerio
const cheerio = require('cheerio');
function stripHtml(htmlStr) {
    const $ = cheerio.load(htmlStr);
    return $.text().trim();
}

Java：用Jsoup库，和BeautifulSoup类似，是Java生态处理HTML的首选

import org.jsoup.Jsoup;

public String stripHtml(String htmlStr) {
    return Jsoup.parse(htmlStr).text().trim();
}

针对你给出的特定场景处理

你的字符串s := "<b>John</b> Thank you."是HTML实体转义后的内容（<对应<，>对应>），所以处理要分两步：先转义实体，再清除标签，最后提取你需要的"Thank you"。

以Python为例，完整代码如下：

import html
from bs4 import BeautifulSoup

s = "&lt;b&gt;John&lt;/b&gt; Thank you."
# 1. 把HTML实体转义回正常的HTML标签
unescaped_html = html.unescape(s)  # 结果: "<b>John</b> Thank you."
# 2. 清除HTML标签得到纯文本
pure_text = BeautifulSoup(unescaped_html, "html.parser").get_text(strip=True)  # 结果: "John Thank you."
# 3. 提取目标内容（去掉"John "前缀）
result = pure_text.replace("John ", "")  # 最终结果: "Thank you"

如果是JavaScript环境，浏览器会自动解析HTML实体，所以可以简化：

const s = "&lt;b&gt;John&lt;/b&gt; Thank you.";
const tempDiv = document.createElement('div');
tempDiv.innerHTML = s;
const pureText = tempDiv.textContent.trim();
const result = pureText.replace('John ', ''); // 得到 "Thank you"

要是你想更精准地只保留未被标签包裹的文本（而不是先提取所有文本再过滤），可以遍历解析后的DOM节点，只提取顶级的文本节点——不过这个场景比较小众，上面的方法已经能满足你的需求啦。

内容的提问来源于stack exchange，提问作者sam smith