去除 HTML 标签

如何使用去除 HTML 标签

关于去除 HTML 标签的常见问题

去除 HTML 标签会上传我的源码吗

不会上传。解析和去标签全部在你的浏览器里用 JavaScript 完成，页面没有任何一次把内容发往服务器的请求，关闭或刷新页面即全部清除，断网状态下同样能用；本页只把你选的预设与参数记在浏览器本地，源码和结果一个字都不会写进本地存储。还有一点值得说清楚：本工具从头到尾只把 HTML 当字符串扫描，绝不渲染它，也不创建任何 DOM 节点，所以别人发来的一段来路不明的 HTML 也可以放心粘进来看里面写了什么。

怎么去掉一段代码里的 HTML 标签只留文字

不管你搜的是「HTML 标签怎么全部去掉只留文字」还是「HTML 代码怎么只保留文字」，做法都一样：把源码粘进左边的框，或者直接把 .html 文件拖进来，右边立刻就是纯文本，点「复制纯文本」即可。默认会按块级元素还原段落分行；想压成一整段塞进 CSV 单元格或表单就选「压成一行」预设，想连列表和表格结构一起保留就选「保留排版」。整个过程不用点任何按钮，改参数会实时重算。

用正则去 HTML 标签为什么会出错

replace(/<[^>]*>/g,'') 至少有六个必翻车的地方：文字里的 a < b 会被当成标签开头吃掉半句；<a title="a>b"> 属性里的 > 会让标签提前结束、漏出 b"> 这样的残片；script 和 style 只是标签被删掉，里面的 JS 与 CSS 反而变成了「正文」；注释里带 > 时会在半路结束；未闭合的标签会把后面的内容一起吞掉；HTML 实体完全不会被还原。本工具按 HTML 语义逐字符扫描，这六种情况都能处理对，页面正文里有一张逐行对照表。

去掉 HTML 标签后文字挤成一坨怎么保留段落

HTML 里源码的换行和缩进不算内容，真正的换行来自 p、div、h1、ul、li、table 这些块级元素和 <br>。本工具默认按块级元素还原段落，连续两个块级标签只产生一个换行，不会留下一串空行；选「保留排版」预设还会把列表统一成「- 」、表格用制表符分列。反过来，想要一整段就选「压成一行」，中文直接相接、中英之间补一个空格。

去除 HTML 标签时 nbsp 等实体会自动还原吗

会。命名实体（&nbsp; &amp; &lt; &mdash;）、十进制 &#39; 和十六进制 &#x4E2D; 都会解码，&nbsp; 解出来的不间断空格还会顺带转成普通空格（可关）——这一步很关键，它正是「看着一模一样却搜不到、导入对不上」的元凶。未知实体如 &foo; 原样保留不乱猜，&amp;lt; 只解一层得到字面的 &lt;。如果你要的就是原始实体，把「解码 HTML 实体」关掉或直接用「代码模式」预设。

去 HTML 标签时 script 和 style 会被当正文吗

不会。script、noscript、style、HTML 注释，以及 head、svg、iframe、object、select 这些整棵子树里的内容一个字符都不会进入结果；textarea 的默认值同理（这一条与站内「富文本清理」同一口径，我们如实写出来而不是偷偷丢掉）。连未闭合的 script 也会一直丢到文档末尾并给你一条提示——宁可丢内容，也不能把 JS 代码倒进你的结果里。结果区的安全体检行会告诉你一共丢弃了几段。

去掉 HTML 标签时能只保留 br 和 strong 吗

能。这类需求叫保留部分 HTML 标签，最常见的就是只保留 br 标签、让换行不丢。展开参数区，在「保留这些标签」里勾选即可，或者直接用「保留基础标签」预设（默认保留 br、p、strong、em、a、code）。保留时只留标签名和 href、src、alt、title、lang、colspan、rowspan 这些安全属性，onclick 这类事件属性和 style、class、id 一律丢掉，javascript: 开头的地址会连属性一起丢——因为你很可能会把结果再贴回网页。script、style、iframe 这类标签不在可选范围内。

自定义标签和泛型会被当 HTML 标签删掉吗

默认会，因为 <int>、<T>、<router-link>、<my-widget> 形式上就是标签。但本工具不会静默吃掉它们：结果区会列出这些「不是 HTML 标签的名字」和总数，旁边就有「一键打开」按钮切到「只去已知 HTML 标签」，也可以直接用「代码模式」预设。打开之后只去掉真正的 HTML 标签，自定义标签连大小写都原样保留。顺带一提，{{ item.name }} 和 <%= name %> 本来就不是标签，任何设置下都不受影响。

能直接输入网址去除网页的 HTML 标签吗

不能。纯浏览器端受跨域限制抓不到别的网站，要抓就得把网址和内容传到服务器，那样就没法承诺「不上传」了。做法很简单：在目标网页上按 Ctrl+U（Mac 是 Option+Command+U）查看源码，全选复制后粘进来，效果完全一样；或者右键「另存为」网页后把 .html 文件拖进来。

爬下来的网页源码怎么提取正文文字

把整页源码粘进来即可，网页源码怎么只留正文文字这件事页面已经替你做完：去完标签的正文在右边，页面的 title、meta description、meta keywords、html lang、charset 和第一个 h1 会单独提取到「页面元信息」卡片里，可以分别复制——网页源码提取标题和描述，就是在这张卡片里完成的。为什么要单独提？因为按规则 head 里的内容是要整段丢弃的，只丢不给你，你会以为工具把标题吃了。想接着从正文里抽网址、邮箱、电话，用对应的提取工具。

去掉 HTML 标签统计字数怎么才准

结果区直接给出去标签后的字数，按字素簇统计，emoji 和组合字符都记 1 个，与站内「字数统计」口径一致；同时还给出行数、段落数、链接数与表格数。想只数正文就用「只数字数」预设，它会把链接文字和图片一并去掉。要看词频、字符构成或各平台限制，把结果粘到字数统计页。

去除 HTML 标签和富文本清理有什么区别

一句话：你手上是一串能直接看见标签的 HTML 代码就用本页，你刚从 Word 或网页里 Ctrl+C 了一段带格式的内容就用「富文本清理」。本页的输入是源码字符串，只按 HTML 语义去标签、不改你的文字；那页处理的是剪贴板里的富文本，还会清零宽字符、PDF 硬换行、Word 自动编号这些粘贴污染。本页对残留的零宽字符只报数不动手，需要清理时会提示你去那两页。

去除 HTML 标签和 HTML 转 Markdown 有什么区别

本页输出的是纯文本，标题、加粗、链接的标记一律不保留（「列表统一成 - 」只是把 li 的前缀统一，不是 Markdown 转换）；「HTML 转 Markdown」会把它们转成 # 号标题、两个星号包住的加粗、[文字](链接) 这样的 Markdown 语法。要写进笔记、文档或 Git 仓库去那页，要干净的纯文字留在本页。

XML 或模板文件能用去除 HTML 标签吗

XML 去标签取文字可以，按 HTML 语义处理，自定义标签会被去掉（想保留就打开「只去已知 HTML 标签」），<?xml ?> 声明会被丢弃且不会吞掉后文。但有一条要如实说明：本工具不按 XML 语义解析 <![CDATA[...]]>，遇到 CDATA 时结果里可能残留 ]]>，检测到这种情况页面会给你提示。需要把 XML 结构化成数据请用「XML 转 JSON」。

去除 HTML 标签在手机上能用吗

能用，页面在窄屏上会自动纵向堆叠，预设按钮横向可滑，标签台账默认只显示总结行。手机上更常见的做法是：在浏览器里长按选中源码复制，或用文件管理器把 .html 文件选进来。要提醒一点，手机浏览器复制网页时拿到的往往是渲染后的文字而不是源码，那种情况本页会提示你「这像是带格式的内容而不是 HTML 源码」。

去掉 HTML 标签后中文乱码怎么解决

结果里出现乱码几乎都是文件编码的问题，而不是去标签这一步。本页按 UTF-8 读取文件，遇到 GBK、GB2312 编码的 .html 会检测到大量替换字符并明确提示「该文件不是 UTF-8，请另存为 UTF-8 后重试」——用记事本或 VS Code 另存一次即可。如果是复制粘贴进来的源码，页面元信息卡里的 charset 一栏能告诉你这个页面原本声明的是什么编码。下载时还可以勾选「带 BOM」，让 Windows 记事本和 Excel 打开中文不乱码。

去除 HTML 标签免费吗支持多大的文件

免费在线去除 HTML 标签，无需注册、不加水印、不限次数。源码建议单次 1000 万字符以内，超过会明确提示已处理多少而不是静默截断，而且截断点绝不会切在标签中间；文件方面支持 .html / .htm / .xhtml / .xml / .svg / .txt / .md，单文件 10 MB 以内。源码超过 20 万字符会自动切换成分片处理并显示进度、可随时取消；结果超过 20 万字时预览会截断并明确告知，复制与下载拿到的仍是完整内容。

用正则去 HTML 标签为什么会翻车：六行对照

网上搜「去除 HTML 标签」，十有八九会告诉你写一句 text.replace(/<[^>]*>/g, '')。这句话的问题不是「不够严谨」， 而是它在真实网页上一定会出错——因为它把 HTML 当成了「尖括号之间的东西」， 而 HTML 的真实规则比这复杂得多。很多人过一阵会回头再搜一次 「正则表达式去除 HTML 标签不准」，问题就出在下面这六行——每一行都是真实会遇到的输入：

这六行里最危险的是第三、第四行：标签删掉了，里面的 JS 代码和 CSS 规则反而升级成了「正文」。 很多在线去标签工具粘出来一堆样式代码，就是这么来的。 所以去标签这件事得按 HTML 语义逐字符扫描，而不是按尖括号切： 要知道自己此刻在标签里还是在文字里、在引号里还是在引号外、在 script 内部还是外面。 本工具用的就是这样一台单遍词法扫描器，与站内富文本清理共用同一份实现，两页结果不会打架。 如果你就是想自己写替换规则，用批量查找替换； 想先把正则调试对，用正则测试。

去除 HTML 标签后文字挤成一坨怎么保留换行

HTML 去标签之后第二常见的抱怨就是这个。搜索框里有两种问法—— 「去掉标签后文字挤成一坨」和「去掉标签后段落全没了」——说的其实是同一件事： 标签是没了，可整篇文章变成了一大段。 原因在于 HTML 的空白规则和纯文本完全不同—— 在 HTML 里，「换行」不是由换行符决定的，而是由标签决定的。五条规则说清楚这件事：

把这五条并起来就是一句话：「HTML 去标签保留换行」靠的不是保留源码里的换行符， 而是认出块级元素。源码换行一律折叠掉，段落分行全部由标签重新生成—— 这也是为什么同一段源码，缩进得再深，结果里也不会多出一串空格。

去除 HTML 标签的实测算例：208 字符源码变 38 字

规则讲完，直接看一段源码走完全程的样子。下面这段商品详情片段一共 208 个字符， 里面有 7 种共 15 个标签、2 处  ，还夹着一段 script：

<div class="post">
  <h2>订单说明</h2>
  <p>合计&nbsp;¥1,280&nbsp;元，<strong>今天</strong>发货。</p>
  <ul>
    <li>顺丰包邮</li>
    <li>7 天无理由</li>
  </ul>
  <script>var a = 1; if (a < 2) console.log('hi');</script>
</div>

用默认的「纯文本」预设去标签，结果是 4 行、38 个字：

订单说明
合计 ¥1,280 元，今天发货。
- 顺丰包邮
- 7 天无理由

三个细节值得对照着看。第一，var a = 1; if (a < 2) 这段 JS 一个字符都没有进入结果——用 /<[^>]*>/g 那种正则去标签，它会原样留在「正文」里。 第二，两处   还原成了普通空格，所以「合计 ¥1,280 元」这行现在能被正常搜索、 也能正常比对；不还原的话它看着一样却怎么搜都搜不到。第三，源码里为了好读而写的换行与缩进全部折叠掉了， 结果里的 4 个换行全部来自 h2、p、li 这些块级元素， 不会因为源码缩进了两层就多出一串空格。换成「压成一行」预设是 1 行 37 个字， 段落之间补一个空格、中文与中文直接相接。标签台账则会如实写出这 15 个标签的构成： li × 4、div × 2、h2 × 2、p × 2、strong × 2、ul × 2、script × 1， 外加「整段丢弃 script × 1」「解码实体 2 处」两行——丢了什么都摆在明面上。

去掉 HTML 标签后怎么保留段落：三种输出结构

知道了换行从哪来，就能理解本页三种输出结构的差别：保留段落按块级元素还原段落分行，是最接近「人读到的样子」的一档， 适合把网页正文取出来再编辑；轻结构在此基础上把列表统一成「- 」、 表格用制表符分列，适合转手贴进笔记、周报、文档；压成一行把所有换行去掉合成一整段，中文直接相接、中英之间补一个空格， 适合塞进 CSV 单元格、JSON 字段、表单输入框这类「只能是一行」的地方。 如果去完标签还想进一步精修空行与行尾空格，交给去除空行空格——本页的空行处理调用的就是它，口径完全一致。

去除 HTML 标签时怎么去掉 script 和 style 内容

「去掉标签」听起来像是只删尖括号，但有几类内容必须连里面的文字一起丢掉， 否则结果里会出现大段你根本不想要的东西。本工具丢弃的清单和理由全在这里， 没有一条是偷偷做的：

还有一条更狠的规则：遇到没有闭合的 script 或 style，从它开始到文档末尾全部丢弃。 这看起来很激进，但方向是对的——宁可丢掉一段内容，也不能把一大段 JS 代码倒进你的结果里， 而且页面会明确告诉你发生了这件事，不会让你以为文章本来就这么短。

最后是本页的安全说明：我们从不渲染你粘进来的这段 HTML，只把它当字符串解析。 页面里没有 innerHTML、没有 DOMParser、没有 iframe 预览， 一个 DOM 节点都不会被创建。结果区那行安全体检会如实列出这段 HTML 里有几段脚本、 几个 on* 事件属性、几条 javascript: 链接， 以及它们分别是怎么被处理掉的。所以「别人发我一段 HTML，我想看看里面写了什么」 这件事，在本页做是安全的。

HTML 实体怎么还原：nbsp 怎么变成空格

去完标签常常还剩一堆  、& 这样的东西， 它们叫 HTML 实体：因为 <、>、& 在 HTML 里有特殊含义，正文里要显示它们就只能写成转义形式。 本工具默认会把它们还原成正常字符：

两条不太直觉但很重要的规则。第一，只解一层：< 解开之后是字面的 <，不会继续解成尖括号。 因为那串字符原本表达的就是「我要显示 &lt; 这四个字符」，多解一层就是改坏了你的内容。 第二，不认识的实体原样保留：&foo;、 超出 Unicode 范围的 �、孤立代理 �都会被原封不动留下来，猜错就等于悄悄改字。要做反方向的转义（文字转 <）， 本页不做，那是另一件事。

去除 HTML 标签的 6 个预设分别做什么

进页默认就是「纯文本」，什么都不点、粘上去就有干净结果。 换预设是为了处理那些只在特定场景才出现的需求， 下面这张表与页面上的按钮共用同一份配置，点哪个按钮生效的就是哪一行：

改动任意一个参数都会自动切到「自定义」，你手动调的组合不会被预设悄悄覆盖回去； 这些参数偏好会记在浏览器本地，下次打开还是你上次的配置， 但源码与结果一个字都不会被存下来。

去除 HTML 标签一般用来做什么：8 个真实场景

• 爬下来的网页怎么提取正文文字：把整页源码粘进来，head、script、style、注释、svg、iframe 会被整段丢掉，只剩正文；页面的 title、description、lang 与第一个 h1 单独提取到「页面元信息」里可分别复制。接着要抽网址、邮箱、电话，用对应的提取工具接着处理。
• 数据库富文本字段去标签：CMS、商城、论坛的正文字段存的多半是 <p> 加内联样式的富文本。用「纯文本」预设去标签，&nbsp; 顺手还原成普通空格——这正是「明明一样却搜不到、对不上」的元凶。要塞进单行字段就换「压成一行」预设。
• 邮件 HTML 提取文字：营销邮件是嵌套表格布局，还带着 <!--[if mso]> 条件注释。条件注释整段丢弃，嵌套表格按制表符分列，订单号、金额这类信息仍然对得上列。
• CMS 文章导出去标签：导出的 HTML 想转成纯文本存档或投稿，用「保留排版」预设：段落保留、列表统一成「- 」、表格用制表符分列、链接地址附在文字后面，贴进笔记或文档就是能读的样子。
• 去掉 HTML 标签统计字数：选「只数字数」预设：链接文字与图片一并去掉，只留真正的正文，结果区直接给出去标签后的字数，emoji 记 1 个，与站内字数统计口径一致。
• Excel 里带 HTML 标签怎么去掉：从后台或数据库导出的表格，某一列常常整列带着 <p>、<span> 和 &nbsp;。Excel 没有去标签的函数，用查找替换写 <*> 通配符又会把 a < b 这样的正文一起吃掉。把那一列复制到左边的框里去完标签再粘回去即可。有个坑先说清楚：默认预设按块级元素分行，一个单元格里有两个 <p> 就会拆成两行，粘回去整列就串行了——处理完先核对结果行数与原来的行数是否一致，不一致说明有单元格被拆开，那几格单独处理。
• 从模板代码里取文案：Vue、React、Blade、JSP 模板里混着 <router-link>、<my-widget>、{{ item.name }}、<%= name %>。用「代码模式」预设：只去掉真正的 HTML 标签，自定义标签原样保留，实体也不解码，文案取出来还是你写的那些字。
• 老系统导出的 HTML 表格转文本：早年的报表导出常常是一张 table 加满内联样式。默认按制表符分列，一行一条，可以直接粘进 Excel 分列；不需要表格就选「丢弃表格」把表格文字整体去掉。

最后说清本页的边界，免得白试：它只处理你手上那串 HTML 源码，输出永远是纯文本。 你刚 Ctrl+C 了一段带格式的内容（不是源码），用富文本清理； 想连标题、加粗和链接一起保留成 Markdown 语法，用HTML 转 Markdown； 反过来要把 Markdown 或 Word 生成 HTML，用Markdown 转 HTML与Word 转 HTML； 只想要网页里的网址清单（去重、筛域名、去 utm、导 CSV），用提取链接； 只要邮箱或电话，用提取邮箱与提取电话； 要把 XML 结构化成数据，用XML 转 JSON。 去完标签之后的下一步通常是：用去除空行空格精修空白， 用字数统计看详细统计， 需要自定义替换规则就交给批量查找替换， 或者到文本处理工具箱做去重与排序。

去除 HTML 标签的几种叫法：strip_tags 与英文写法

同一件事，不同的人叫法差得很远：写前端的说去标签，做后端的说过滤， 查文档的直接搜函数名。它们大多指向同一个动作，但有几个叫法背后的行为并不一样， 照着别处的行为来预期本页的结果就会对不上。下面这张表把常见叫法归了归类， 也把这几处差别写清楚：

不管从哪个叫法找过来，本页做的都是同一件事：在线去除 HTML 标签， 把源码变成能直接拿去用的纯文本。另一种高频写法是「HTML 转纯文本在线免费」， 它其实是在确认两件事——不用装软件、不用注册。这两条本页都成立， 还多一条：源码留在你自己的浏览器里，不上传。

相关教程

遇到格式选择、乱码或校验问题，可以先看这些说明再动手处理。

• 问题解答从网页或 Word 复制的文字格式很乱怎么清理？解释粘贴时格式为什么会跟过来（剪贴板同时存了纯文本和带样式的 HTML），并给出按来源清理的做法：网页、Word、PDF、微信、代码各用哪套预设，PDF 每行断开怎么合并成段落，零宽字符与不间断空格怎么清。