js strip tags

strip_tags 是 JavaScript 中用于移除字符串中的 HTML 标签的函数。这个函数通常用于清理用户输入，防止跨站脚本攻击（XSS），或者在处理 HTML 内容时提取纯文本。

基础概念

strip_tags 函数的基本用法如下：

let text = "<p>Hello <b>World</b>!</p>";
let strippedText = text.replace(/<[^>]*>/g, '');
console.log(strippedText); // 输出: Hello World!

在这个例子中，正则表达式 <[^>]*> 用于匹配所有的 HTML 标签，并将它们替换为空字符串，从而移除这些标签。

类型与应用场景

类型：这是一个字符串处理函数。
应用场景：
- 用户评论或论坛帖子的内容过滤。
- 数据库中存储的用户生成内容的预处理。
- 从网页抓取数据时去除不必要的 HTML 标签。

可能遇到的问题及解决方法

问题1：无法完全移除标签

有时候，HTML 中可能包含特殊字符或编码，导致简单的正则表达式无法完全匹配和移除所有标签。

解决方法：使用更复杂的正则表达式或专门的 HTML 解析库（如 parse5 或 jsdom）来处理这种情况。

const jsdom = require("jsdom");
const { JSDOM } = jsdom;

let text = "<p>Hello <b>World</b>!</p>";
let dom = new JSDOM(text);
let strippedText = dom.window.document.body.textContent;
console.log(strippedText); // 输出: Hello World!

问题2：保留某些特定标签

在某些情况下，可能希望保留一些特定的标签，而不是移除所有标签。

解决方法：修改正则表达式，使其只匹配需要移除的标签。

let text = "<p>Hello <b>World</b>!</p>";
let allowedTags = ['b']; // 允许保留的标签列表
let strippedText = text.replace(new RegExp(`<(${allowedTags.join('|')})[^>]*>.*?</\\1>|<[^>]+>`, 'g'), '');
console.log(strippedText); // 输出: Hello World!

在这个例子中，只有不在 allowedTags 列表中的标签会被移除。

示例代码

以下是一个完整的示例，展示了如何使用 strip_tags 函数以及如何处理特殊情况：

function stripTags(html, allowedTags = []) {
    let tagsPattern = new RegExp(`<(${allowedTags.join('|')})[^>]*>.*?</\\1>|<[^>]+>`, 'g');
    return html.replace(tagsPattern, '');
}

let text = "<p>Hello <b>World</b>!</p>";
let strippedText = stripTags(text);
console.log(strippedText); // 输出: Hello World!

let textWithAllowedTags = "<p>Hello <b>World</b>!</p>";
let allowedTags = ['b'];
let strippedTextWithAllowedTags = stripTags(textWithAllowedTags, allowedTags);
console.log(strippedTextWithAllowedTags); // 输出: Hello <b>World</b>!

通过这种方式，可以灵活地控制哪些标签需要保留，哪些需要移除。