如何在Google App Script中将HTML字符串转换为无标签纯文本

• 依赖XmlService.parse()的严格XML校验，无法兼容普通HTML。该方法要求输入内容是完全符合XML规范的标记，遇到未闭合标签（如<img>、<input>）、标签大小写不匹配、属性值包含特殊字符的场景都会直接解析失败，而日常使用的HTML大多不满足严格XML要求。
• 对<br>的处理逻辑错误。原脚本直接将<br>替换为空，会导致原本用换行分隔的内容直接拼接在一起，丢失原本的排版逻辑。
• 解析逻辑冗余且易出错。使用XmlService.getPrettyFormat()格式化后再用正则移除标签，不仅会引入不必要的空白字符，正则/<[^>]*>/本身存在缺陷，遇到属性值包含>的标签（如<div title="1>2">）会出现匹配错误，导致内容被截断。
• 没有处理HTML转义字符。原脚本无法识别 、<、&这类HTML转义实体，会原样输出转义编码，不符合纯文本的展示要求。

function toStringFromHtml(html) {
  // 使用HtmlService容错解析HTML，无需符合严格XML规范
  const htmlOutput = HtmlService.createHtmlOutput(html);
  return htmlOutput.getContent()
    // 提前将换行、块级闭合标签替换为换行符，保留原排版逻辑
    .replace(/<br[^>]*>/gi, '\n')
    .replace(/<\/(p|div|li|h[1-6])[^>]*>/gi, '\n')
    // 移除所有剩余HTML标签
    .replace(/<[^>]*>/g, '')
    // 补充处理剩余转义空格
    .replace(/&nbsp;/g, ' ')
    // 合并多余空行、去除首尾空白
    .replace(/\n\s*\n/g, '\n')
    .trim();
}

内容的提问来源于stack exchange，提问作者Nadila