使用Regex和Javascript移除HTML标签并保留对应换行的实现方法

你可以通过两步正则替换完成需求，逻辑如下：

1. 先匹配所有带大括号/不带大括号的换行标签实体，统一替换为换行符
2. 再匹配剩余所有HTML标签实体，直接删除即可

正则规则说明 #

• 匹配换行标签的正则：/{?\s*<br\s*\/?>\s*}?/gi
  • 可同时匹配{ <br /> }、<br>、<br/>等多种格式的换行标签
  • 匹配到的内容统一替换为\n保留换行效果
• 匹配其余HTML标签的正则：/<.*?>/gi
  • 非贪婪匹配所有<开头、>结尾的标签实体，匹配后直接替换为空字符串即可

代码示例 #

JavaScript 示例 #

const rawContent = '...some text { <br /> } { <br /> } ...more text\n...some text <strong>加粗文本</strong>'
// 第一步：替换换行标签为换行符
let result = rawContent.replace(/{?\s*<br\s*\/?>\s*}?/gi, '\n')
// 第二步：移除所有其他HTML标签
result = result.replace(/<.*?>/gi, '')
console.log(result)

Python 示例 #

import re

raw_content = '...some text { <br /> } { <br /> } ...more text\n...some text <strong>加粗文本</strong>'
# 第一步：替换换行标签为换行符
result = re.sub(r'{?\s*<br\s*\/?>\s*}?', '\n', raw_content, flags=re.IGNORECASE)
# 第二步：移除所有其他HTML标签
result = re.sub(r'<.*?>', '', result, flags=re.IGNORECASE)
print(result)

注意事项 #

如果后端返回的是未转义的原生HTML标签（即直接是<br>、<strong>而非实体编码格式），只需要把正则里的<替换为<、>替换为>即可，替换逻辑不变。

内容的提问来源于stack exchange，提问作者Demian Sims