在保留换行符（使用JavaScript）的同时，将HTML转换为纯文本最方便的方法是什么？

基本上，我只需要从浏览器窗口复制HTML并将其粘贴到textarea元素中

例如，我想要这个：

<p>Some</p>
<div>text<br />Some</div>
<div>text</div>

三个步骤

First get the html as a string.
Second, replace all <BR /> and <BR> with \r\n.
Third, use the regular expression "<(.|\n)*?>" to replace all markup with "".

首先将html作为字符串获取。
第二，将所有
和
替换为\r\n。
第三，使用正则表达式“”将所有标记替换为“”。

我试图找到我不久前为此编写的一些代码。它工作得很好。让我概述一下它的作用，希望你能复制它的行为

• 用alt或标题文本替换图像
• 将链接替换为“文本[链接]”
• 替换通常会产生垂直空白的内容。h1-h6、div、p、br、hr等（我知道，我知道。这些实际上可能是内联元素，但效果很好）
• 去掉其余的标记，并替换为空字符串

您甚至可以将其进一步扩展，以格式化有序和无序列表之类的内容。这取决于你想走多远

编辑

找到密码了

public static string Convert(string template)
{
    template = Regex.Replace(template, "<img .*?alt=[\"']?([^\"']*)[\"']?.*?/?>", "$1"); /* Use image alt text. */
    template = Regex.Replace(template, "<a .*?href=[\"']?([^\"']*)[\"']?.*?>(.*)</a>", "$2 [$1]"); /* Convert links to something useful */
    template = Regex.Replace(template, "<(/p|/div|/h\\d|br)\\w?/?>", "\n"); /* Let's try to keep vertical whitespace intact. */
    template = Regex.Replace(template, "<[A-Za-z/][^<>]*>", ""); /* Remove the rest of the tags. */

    return template;
}

公共静态字符串转换（字符串模板）
{
template=Regex.Replace（模板“，“$1”）；/*使用图像替换文本*/
template=Regex.Replace（模板“，”$2[$1]”；/*将链接转换为有用的内容*/
template=Regex.Replace（template，“，“\n”）；/*让我们尝试保持垂直空白不变*/
template=Regex.Replace（模板“，”）；/*删除其余标记*/
返回模板；
}

如果该HTML在您的网页中可见，您可以通过用户选择（或者在IE中只使用

TextRange

）来实现。这会保留换行符，如果不一定是前导空格和尾随空格的话

2012年12月10日更新

但是，选择对象的

toString（）

方法在浏览器之间是不一致的，并且工作不一致，因此这种方法的基础不稳固，我不建议现在使用它。如果这个答案不被接受，我会删除它

演示：

代码：

---

我根据这个答案做了一个函数：

函数html文本（html）{
//拆下代码制动器和卡舌
html=html。替换（/\n/g，“”）；
html=html。替换（/\t/g，“”）；
//保持html制表符和制表符
html=html.replace（//g，“\t”）；
html=html.replace（//g，“\n”）；
html=html.replace（//g，“\n”）；
html=html.replace（//g，“\n”）；
html=html.replace（//g，“\n”）；
html=html.replace（//g，“\n”）；
html=html.replace（//
/g，“\n”）；html=html.replace（//g，“\n”）；
//将html解析为文本
var dom=（new DOMParser（））.parseFromString（“”+html，'text/html'）；
返回dom.body.textContent；
}

根据答案，我必须将基本HTML电子邮件模板转换为纯文本版本，作为node.js中构建脚本的一部分。我必须使用它才能工作，但以下是我的代码：

const htmlToText = (html) => {
    html = html.replace(/\n/g, "");
    html = html.replace(/\t/g, "");

    html = html.replace(/<\/p>/g, "\n\n");
    html = html.replace(/<\/h1>/g, "\n\n");
    html = html.replace(/<br>/g, "\n");
    html = html.replace(/<br( )*\/>/g, "\n");

    const dom = new JSDOM(html);
    let text = dom.window.document.body.textContent;

    text = text.replace(/  /g, "");
    text = text.replace(/\n /g, "\n");
    text = text.trim();
    return text;
}

consthtmltotext=（html）=>{
html=html。替换（/\n/g，“”）；
html=html。替换（/\t/g，“”）；
html=html.replace（//g，“\n\n”）；
html=html.replace（//g，“\n\n”）；
html=html.replace（/
/g，“\n”）；
html=html.replace（//g，“\n”）；
const dom=新的JSDOM（html）；
让text=dom.window.document.body.textContent；
text=text.replace（//g，“”）；
text=text.replace（/\n/g，“\n”）；
text=text.trim（）；
返回文本；
}

不幸的是，这种方法忽略了两个段落或DIV之间出现的换行符。在执行regex replace之前，在每个close P和DIV标记后插入硬换行符，这不是很容易解决的问题吗？嗯，问题有点深。我需要得到与用户在屏幕上看到的内容相似的文本。例如，如果有两个段落（'p'元素），并且它们都有标准边距，我希望在相应的文本片段之间获得两个换行符。但是，当边距为0时，它需要是一个换行符。剪贴板就是这样工作的——至少在某些浏览器中是这样。。。那不是Javascript，不是吗？也没有直接回答这个问题，因为这个问题真的涉及到复制和粘贴。语言真的不重要，它是如何进行的。这可以很容易地移植到JS。我只是在展示我过去做过的事情。谢谢。很像。然而，不幸的是，结果并不完全是用户所看到的。例如，Convert（“Some

text

”）和Convert（“Some

text

”）会给出不同的结果，而浏览器会以相同的方式呈现这些结果。问题是文本的显示顺序。事物的布局方式并不总是与标记层次结构相关。可能与Thank的重复。有趣的是，在非IE的情况下（第一个块），它会得到要复制到剪贴板的内容，但在IE的情况下（第二个块），它不是相同的字符串。IE和非IE字符串之间的区别是什么？第一个块使用Selection的

toString（）

方法仅提取所选内容的文本（而不是复制到剪贴板的富文本），因此它们应该或多或少相同。对不起，我的意思是，复制剪贴板中页面片段得到的字符串与函数返回的字符串不同。IE就是这样，对于非IE浏览器，这两个字符串是相同的。该函数本身非常适合我在问题中描述的问题（IE的东西除外，这并不重要）。@hienbt88:它当然是建立在不可靠的基础上的：Selection.toString（）不是标准化的，在浏览器之间的工作方式不同，并且在IE 9中不保留换行符（从这个答案的原始版本开始发布）。但是，它仍然保留了Mozilla、WebKit和Opera当前版本中的换行符，而且因为我刚刚对它进行了调整，也就是说，老实说，我不会长期推荐这种方法。@SaifUllah:是的。这是一个

function getInnerText(el) {
    var sel, range, innerText = "";
    if (typeof document.selection != "undefined" && typeof document.body.createTextRange != "undefined") {
        range = document.body.createTextRange();
        range.moveToElementText(el);
        innerText = range.text;
    } else if (typeof window.getSelection != "undefined" && typeof document.createRange != "undefined") {
        sel = window.getSelection();
        sel.selectAllChildren(el);
        innerText = "" + sel;
        sel.removeAllRanges();
    }
    return innerText;
}

function htmlToText(html){
    //remove code brakes and tabs
    html = html.replace(/\n/g, "");
    html = html.replace(/\t/g, "");

    //keep html brakes and tabs
    html = html.replace(/<\/td>/g, "\t");
    html = html.replace(/<\/table>/g, "\n");
    html = html.replace(/<\/tr>/g, "\n");
    html = html.replace(/<\/p>/g, "\n");
    html = html.replace(/<\/div>/g, "\n");
    html = html.replace(/<\/h>/g, "\n");
    html = html.replace(/<br>/g, "\n"); html = html.replace(/<br( )*\/>/g, "\n");

    //parse html into text
    var dom = (new DOMParser()).parseFromString('<!doctype html><body>' + html, 'text/html');
    return dom.body.textContent;
}

const htmlToText = (html) => {
    html = html.replace(/\n/g, "");
    html = html.replace(/\t/g, "");

    html = html.replace(/<\/p>/g, "\n\n");
    html = html.replace(/<\/h1>/g, "\n\n");
    html = html.replace(/<br>/g, "\n");
    html = html.replace(/<br( )*\/>/g, "\n");

    const dom = new JSDOM(html);
    let text = dom.window.document.body.textContent;

    text = text.replace(/  /g, "");
    text = text.replace(/\n /g, "\n");
    text = text.trim();
    return text;
}