正则取出html里文本,使用正则表达式从HTML中提取文本和链接

暂时编码...成别的东西，删除所有其他标签则恢复标签：

// Example in javascript:

string.

replace(//g,'\0$1\0').

replace(//,'\1').

replace(/]*>/,'').

replace(/\0(.*?)\0/,'').

replace(/\1/,'');

在上面的代码我使用NUL和SOH字符(ASCII为0x00和0x01)，以替代标签只是因为它们不太可能出现在字符串中。随意用任何其他不会出现在你的字符串中的字符或字符序列替换它们。

从其他评论看来，你正在浏览器中运行。在这种情况下，浏览器已经将HTML解析为一个很好的DOM树。使用DOM方法在树解析和处理它，你想要的方式：

function simpleHTML (domNode) {

var ret = "";

if (domNode.nodeType === Node.ELEMENT_NODE) {

var children = domNode.childNodes;

for (var i=0;i

var child = children[i];

// Filter out unwanted nodes to speed up processing.

// For example, you can ignore 'SCRIPT' nodes etc.

if (child.nodeName != 'SCRIPT') {

if (child.nodeName == 'A') {

ret += '' +

simpleHTML(child) +

'';

}

else {

ret += simpleHTML(child);

}

}

}

}

else if (domNode.nodeType === Node.TEXT_NODE) {

ret += domNode.nodeValue;

}

return ret;

}

// serialize the whole document:

var simpleDocument = simpleHTML(document.body);

// serialize a div:

var simpleDiv = simpleHTML(document.getElementById('some_div'));

// filter a html formatted string:

var temp = document.createElement('DIV');

temp.innerHTML = original_string;

simple_string = simpleHTML(temp);