JavaScript过滤HTML标签与空格的正则实现解析

function setContent(str) {
str = str.replace(/<\/?[^>]*>/g,''); // 移除HTML标签
str.value = str.replace(/[ | ]*\n/g,'\n'); // 清除行尾空白
//str = str.replace(/\n[\s| | ]*\r/g,'\n'); // 清除多余空行
return str;
}

测试时发现该代码无法过滤网页中的空格字符（即： ）。因此进行了如下改进：

function removeHTMLTag(str) {
str = str.replace(/<\/?[^>]*>/g,''); // 移除HTML标签
str = str.replace(/[ | ]*\n/g,'\n'); // 清除行尾空白
//str = str.replace(/\n[\s| | ]*\r/g,'\n'); // 清除多余空行
str=str.replace(/&nbsp;/ig,'');// 移除&nbsp;
return str;
    }

此方法满足了需求。

接下来简要解释所使用的三个正则表达式（注：本人初学者，解释仅供参考）：

第一个：/<\/?[^>]*>/g

在JS中正则表达式以“/”开头，后缀/g表示全局模式，即在整个字符串中应用匹配，而非首次匹配后停止。

<\/?[^>]*> 分解解释：第二个字符“\”为转义字符，用于转义后续的“/”。?匹配0或1个前导字符。注意：并非所有软件都支持此元字符。因此<\/? 匹配HTML标签中的“</”或“<”格式。

接着看[^>]*>。[]表示字符集：

^的含义：匹配行首。例如正则表达式^When in 能匹配字符串"When in the course of human events"的开头，但不能匹配"What and When in the"。即匹配以“When in”开头的文本。

*的含义：匹配0个或多个前导字符。例如正则表达式。* 意味着可匹配任意数量的任何字符

因此[^>]* 意为匹配非>的字符。所以[^>] 可匹配如下模式：

div 所需文字</div 所需文字</p

*与前面的[^>]结合，可匹配以下字符：

div>所需文字</div p>所需文字</p br / 加上末尾的>即可匹配：

div>所需文字</div> p>所需文字</p> br /> 至此完成一对HTML标签的匹配。（多句话，感觉匹配过程略显啰嗦，但不确定具体冗余之处）

第二个：/[ | ]*\n/g：我也未完全理解

第三个：/&nbsp;/ig：直接查找&nbsp;字符，后缀/ig表示全局且不区分大小写。g代表全局，i表示不区分大小写。