HTML 和纯文本都是网页内容的表现形式，但它们之间存在着显著的区别。HTML 是一种标记语言，用于定义网页的结构和内容，而纯文本则是不包含任何格式或标记的简单文本，尽管 HTML 可以使网页看起来漂亮且具有交互性，但有时我们需要将其转换为纯文本，例如在网络爬虫和数据分析中，经常需要将从网页中提取的 HTML 内容转换为纯文本进行进一步处理和分析。本文将介绍如何使用
JavaScript
来实现这种转换。
HTML 到纯文本转换的原理
要理解如何将 HTML 转换为纯文本，首先需要了解 HTML 标记的结构以及纯文本的特点。HTML 标记包含了各种标签和属性，而纯文本则是简单的文本内容，不包含任何标记。因此，转换的基本思路是去除 HTML 标记，只保留其中的文本内容。
使用 JavaScript 实现 HTML 到纯文本的转换
当使用 JavaScript 实现 HTML 到纯文本的转换时，有许多种方法可供选择。以下是其中几种常见的方法：
1. 使用正则表达式
正则表达式是一种强大的文本匹配工具，可以用来匹配和删除 HTML 标记。这种方法简单直接，适用于较简单的 HTML 结构。
示例代码：
function htmlToPlainText(html) {
return html.replace(/<[^>]*>/g, '');
var htmlString = '<p>This is <strong>bold</strong> and <em>italic</em>.</p>';
var plainText = htmlToPlainText(htmlString);
console.log(plainText);
在这个示例中，
htmlToPlainText
函数使用正则表达式
/<[^>]*>/g
来匹配并删除 HTML 标记，从而将 HTML 转换为纯文本。这个正则表达式
/<[^>]*>/g
用于匹配 HTML 标记，其含义解释如下：
因此，整个正则表达式的含义是匹配 HTML 标记（以左尖括号
<
开始，右尖括号
>
结束），其中可以包含任意数量的除了右尖括号之外的字符。
2.
使用 DOM 解析
DOM（文档对象模型）是 JavaScript 操作 HTML 文档的标准接口，可以使用 DOM 解析器遍历 HTML 元素并提取纯文本内容。这种方法更灵活，适用于复杂的 HTML 结构。
示例代码：
function htmlToPlainText(html) {
var temp = document.createElement('div');
temp.innerHTML = html;
return temp.innerText || temp.textContent;
var htmlString = '<p>This is <strong>bold</strong> and <em>italic</em>.</p>';
var plainText = htmlToPlainText(htmlString);
console.log(plainText);
除了原生的 JavaScript 方法外，还可以使用第三方库来简化 HTML 到纯文本的转换过程。例如，使用 jQuery 库可以更容易地选择和操作 HTML 元素。
示例代码：
function htmlToPlainText(html) {
return $('<div>').html(html).text();
var htmlString = '<p>This is <strong>bold</strong> and <em>italic</em>.</p>';
var plainText = htmlToPlainText(htmlString);
console.log(plainText);
在这个示例中，我们使用 jQuery 库的
html()
方法将 HTML 字符串插入到一个临时的
<div>
元素中，然后使用
text()
方法获取纯文本内容（记得在项目的 html 中引入 jQuery）。
总结
通过本文的介绍，我们了解了如何使用 JavaScript 将 HTML 转换为格式化的纯文本，尽管这个过程可能有一些挑战，但
JavaScript
提供了许多便捷的方法来实现这一目标。将 HTML 转换为纯文本可以提高内容的可读性和可访问性，同时也为各种应用场景提供了更多的可能性。
