去掉html字符串中所有不需要的标签，但保留JS中的空格

Question

我试图剥离我的html内容的所有不需要的标签，只返回基本格式的文本(ul，b，u，p等)或只返回纯文本(但保留新行，间距等)，但是我在创建catch all解决方案时遇到了麻烦，它可以让我保留我粘贴的内容的结构。

示例字符串：

    <p class="Bodytext" style="color: rgb(51, 51, 51);background-color: rgb(255, 255, 255);">
        <span lang="EN-GB">Hello
            <span class="Apple-converted-space"> world,   </span>
            <span class="Cross-reference">
                <a href="" style="color: rgb(66, 139, 202);background-color: transparent;">Cough
                </a>
            </span>
            <span class="Apple-converted-space"></span>and
            <span class="Apple-converted-space"></span>
            <span class="Cross-reference">
                <a href="" style="color: rgb(66, 139, 202);background-color: transparent;">Feverish - risk assessment</a>
            </span>.
            <span class="Apple-converted-space"></span>
        </span>
    </p>
    <p class="Bodytext" style="color: rgb(51, 51, 51);background-color: rgb(255, 255, 255);">
        <span lang="EN-GB">Fin.  </span>
    </p>

Answer 1

下面是一个简单的JavaScript解决方案，可以从HTML中删除所有span元素，但保留其内部内容：

var span = document.getElementsByTagName('span');
while(span.length) {
    var parent = span[ 0 ].parentNode;
    while( span[ 0 ].firstChild ) {
        parent.insertBefore(  span[ 0 ].firstChild, span[ 0 ] );
    }
     parent.removeChild( span[ 0 ] );
}

您还可以更简单地使用jQuery来完成此操作，如本例所示，它将删除span标记以及p、b、ul和li标记，但保留其内部内容：

$("span, p, b, ul, li").contents().unwrap();

另请参阅：Remove a HTML tag but keep the innerHtml

还可以注意到，每当您有两个或更多连续空格时，现代浏览器通常会在它们显示时将这些空格截断为一个空格。如果您希望将空格保留为多个空格，我可以将常规键入的空格"“字符替换为" ”编码的空格。普通的JavaScript有一个字符串替换方法，如果需要，你可以使用它。

编辑:如果您希望删除JavaScript字符串中的所有HTML标记，请尝试以下操作：

myString.replace(/<(?:.|\n)*?>/gm, '');

另请参阅：Strip HTML from Text JavaScript

Answer 2

我唯一能想到的解决方案就是...

'Name<br /><a href="something">here.</a>'.replace(/(<([^>]+)>)/ig,' ').replace(/\s{2,}/gi, ' ').trim()

我不认为它是最优雅的，但它似乎工作得相当稳定。