JS正则匹配过滤字符串中的html标签及html标签内的内容

使用正则过滤html标签。

以前写了很多次。但每次都没保存，然后换了家公司后，没有了以前的代码，然后又遇到类似的问题，然后又是网上查啊写啊，自己鼓捣了大半天。

所以，这次，我决定在博客上也写一份，备份，省的下次又自己写一次，浪费我的脑细胞。

 

一、匹配html标签，但不匹配html标签里的内容（简单粗暴，直接上正则。前面三种不是我所需要的，后面reg4过滤单标签的，可以需要）

 var reg =  /<[^>]+>/gi;                  //匹配所有的html标签。但不包括html标签内的内容
 var reg2 = /<(?!img).*?>/gi;             //匹配除img标签外的html标签  不包括html标签内的内容
 var reg3 = /<(?!img|p|\/p).*?>/gi;       //匹配除img、p标签外的html标签  不包括html标签内的内容
 var reg4 = /<(img|br|hr|input)[^>]*>/gi;          //只匹配img、br、hr、input标签

二、匹配html标签里内容的正则，有两大难点

　　1、单标签和双标签的区别 例如 <br><img> 和 <div></div> 的区别

　　2、嵌套标签(超难，基本无解，若需要过滤的话，则可以通过分组匹配一直重复匹配来解决) 例如 <div>外面的div<div>里面的div</div></div>

 

思路：

先用下面的正则把所有的单标签去除：

var reg = /<(img|br|hr|input)[^>]*>/gi;

再上基本的正则匹配代码：

　　/*
    * 普通匹配  （但后面用不到，用不到的原因，可查看下面截图）
    * 下面两个可以匹配
    * 但是有个bug  嵌套标签的结构就不会被匹配到      例如这样的结构： <div>外面的div<div>里面的div</div></div>
    * 这也就是上面所说的嵌套标签的难点
    * */
    var reg = /<div[^>]*>[^<]*<\/div>/gi;    //匹配所有的div标签。包括div标签内的内容
    var reg2 = /<[^>]*>[^<]*(<[^>]*>)?/gi;   //匹配所有的html标签，包括html标签内的内容


    /*
    * 使用分组匹配
    * bug跟上面的一样     嵌套标签的结构就不会被匹配到      例如这样的结构： <div>外面的div<div>里面的div</div></div>
    * 如果用在过滤上的话，可以重复过滤（不会少过滤掉一些本就在标签内的内容，也不会多过滤标签外的内容）。在过滤上看，分组匹配比上面的匹配靠谱多了。
    * 但是，有个小问题，下面的分组匹配正则匹配不到单标签的，所以还需要用到上面的一般匹配。
    * 双标签对应匹配
    * */
    var reg3 = /<(div)[^>]*>[^<]*<\/(\1)>/gi;  //分组匹配   匹配所有的div标签，包括div标签内的内容
    var reg4 = /<(\S*)[^>]*>[^<]*<\/(\1)>/gi;   //分组匹配   匹配所有的html双标签，包括div标签内的内容

再分析上面的两个匹配：

　　普通匹配，可以匹配到单标签和双标签，但是嵌套标签，这就问题大了，看下面截图

　　分组匹配，只能匹配双标签，但是嵌套标签，有点小问题，但可以接受，可以用循环来匹配，看下面截图

 

这思路写的不好，不喜勿喷，也希望正则大佬留下说出新的想法。

 

最终代码：

/*
* 在网上看到用 new RegExp() 比 正则字面量  速度快
* 网址：https://www.cnblogs.com/52cik/p/js-regular-literal-regexp.html
* 我没测试过，姑且一试，以后有机会弄个测试出来
* */

/*
* 正则放定义的原因：
* 是我不想在函数里重复定义正则，比较损性能，但如果不是多次使用级别的，那也损不了多少性。
* */
// var reg =  /<[^>]+>/gi;  //过滤所有的html标签
var reg =  new RegExp('<[^>]+>','gi');  //过滤所有的html标签，不包括内容

// var reg2 = /<(img|br|hr|input)[^>]*>/gi;  //只匹配img、br、hr、input标签
var reg2 = new RegExp('<(img|br|hr|input)[^>]*>','gi');  //只匹配img、br、hr、input标签

// var reg3 = /<(\S*)[^>]*>[^<]*<\/(\1)>/gi;        //分组匹配，过滤所有的html标签，包括内容
var reg3 = new RegExp('<(\\S*)[^>]*>[^<]*<\\/(\\1)>','gi');  //分组匹配，过滤所有的html标签，包括内容



/*
* 将所有的标签过滤，不过滤标签内内容
* */
function filterHtml(str){
    if(typeof str !='string'){  //不是字符串
        return str;
    }

    return str.replace(reg,'');
}

/*
* 讲所有的标签过滤，也过滤标签内的内容
* str 需要过滤的字符串
* isbool  为false则需要单标签过滤，为true则不需要单标签过滤
* */
function filterHtmlOrContainer(str,isbool) {
    if(typeof str !='string'){  //不是字符串
        return str;
    }
    var result = str;
    if(!isbool){  //先把单标签过滤了
        result = result.replace(reg2, '');
    }
    result = result.replace(reg3,'');    //先经过分组匹配，把双标签去除，如果是嵌套标签，则会先将嵌套标签内的双标签过滤掉
    if(reg3.test(result)) { //如果为true，则代表还有标签
        return filterHtmlOrContainer(result, true);
    }else {
        return result;
    }
}