Logstash 5.1如何移除输入中的HTML标记？是否有内置过滤器？

Hey，针对你在Logstash 5.1版本处理带嵌套HTML标签文本的问题，我来给你梳理下可行的解决方案：

1. 用内置过滤器就能搞定，不用自己开发复杂逻辑 #

Logstash自带的mutate过滤器里的gsub功能，完全可以处理单个或嵌套的HTML标签，不需要额外开发插件。

具体配置示例 #

在你的Logstash配置文件中，添加如下filter块即可：

filter {
  mutate {
    gsub => [
      # 替换成你实际要处理的字段名，比如"message"或者自定义字段
      "target_field", "<[^>]+>", ""
    ]
  }
}

这里的正则<[^>]+>会匹配所有以<开头、>结尾的HTML标签（不管嵌套多少层），然后用空字符串替换，直接剥离所有标签，只保留纯文本内容。比如你提到的<p><b><strong> XYZ </strong></b></p>，处理后会变成XYZ，完全符合需求。

2. 不需要自行编写嵌套正则 #

你不用纠结嵌套标签的复杂正则逻辑，上面的<[^>]+>已经足够覆盖绝大多数场景——它的逻辑是匹配<之后到第一个>之间的所有内容，不管标签里嵌套了多少层级，都会被逐个匹配并移除，简单高效。

3. 5.1之前的版本同样支持 #

放心，mutate过滤器的gsub功能在Logstash 2.x及更早的版本就已经存在了，所以5.1之前的版本也可以用这个方法来移除HTML标签，没有版本限制。

额外小提示 #

如果你的字段里还包含HTML实体（比如<、>这类转义字符），可以再补充gsub规则来处理：

gsub => [
  "target_field", "&lt;", "<",
  "target_field", "&gt;", ">",
  "target_field", "&amp;", "&"
]

内容的提问来源于stack exchange，提问作者Alex