如何获取Jekyll中去除HTML标签的帖子渲染内容？

嘿，这个问题我之前折腾Jekyll静态博客的时候也碰到过！默认调用post.content拿到的确实是渲染好的完整HTML代码，要提取纯文本内容其实有几个实用的方案，看你需求来选：

1. 最快捷：用Jekyll内置的strip_html过滤器 #

这是最简单的方式，Jekyll自带了strip_html过滤器，直接就能把所有HTML标签去掉，只留下纯文本内容。用法很简单：

{{ post.content | strip_html }}

这个过滤器会直接剥离所有<>包裹的标签，连HTML注释也会一并去掉，输出就是干净的纯文本。如果只是需要基础的纯文本提取，这个完全够用。

2. 自定义过滤器（适合需要精细处理的场景） #

如果你希望对纯文本做更多优化——比如去掉多余的空格、合并连续换行，或者处理一些特殊标签残留的内容，可以自己写一个Liquid过滤器。

在你的Jekyll项目根目录下创建_plugins文件夹（如果没有的话），然后新建一个text_processing.rb文件，写入以下代码：

module TextProcessingFilters
  def clean_plain_text(input)
    # 第一步：剥离所有HTML标签
    stripped_text = input.gsub(/<[^>]+>/, '')
    # 第二步：把连续的空格、换行、制表符替换成单个空格
    cleaned_text = stripped_text.gsub(/\s+/, ' ').strip
    # 可以在这里加更多自定义处理逻辑，比如去掉特殊字符之类的
    cleaned_text
  end
end

Liquid::Template.register_filter(TextProcessingFilters)

然后在模板里就可以用这个自定义过滤器了：

{{ post.content | clean_plain_text }}

这种方式可以根据你的需求灵活调整处理逻辑，适合有特殊格式要求的场景。

3. 基于原始Markdown内容处理（可选） #

如果你的帖子是用Markdown写的，也可以直接拿原始的Markdown内容转纯文本。Jekyll的文章对象有raw_content属性，它存储的是未渲染的原始Markdown代码。你可以先把它转成HTML，再剥离标签：

{{ post.raw_content | markdownify | strip_html }}

不过这个和直接用post.content | strip_html效果差不多，除非你需要在渲染前对Markdown做额外处理，否则没必要多这一步。

内容的提问来源于stack exchange，提问作者Benjamin Sommer