9/10

src/utils/html.ts

@@ -0,0 +1,66 @@
+/**
+ * 剥离 HTML 标签，提取纯文本
+ * - 自动将 <img>/<video>/<audio> 替换为 [图片]/[视频]/[音频] 占位
+ * - 自动解码 &nbsp; &amp; 等 HTML entity
+ * - 自动合并多余空白
+ * - 可按需截断
+ */
+export function stripHtml(html: string | null | undefined, maxLen?: number): string {
+  if (!html) return '';
+
+  let text: string = html;
+
+  // 1. 媒体标签替换为占位符（保留语义提示）
+  text = text
+    .replace(/<img[^>]*>/gi, '[图片]')
+    .replace(/<video[^>]*>.*?<\/video>/gi, '[视频]')
+    .replace(/<audio[^>]*>.*?<\/audio>/gi, '[音频]')
+    .replace(/<iframe[^>]*>.*?<\/iframe>/gi, '[嵌入内容]');
+
+  // 2. 剥离所有剩余 HTML 标签（<p> <br> <div> ...）
+  text = text.replace(/<[^>]+>/g, '');
+
+  // 3. HTML entity 解码
+  text = decodeHtmlEntity(text);
+
+  // 4. 合并多余空白（多个空格/换行 → 单个空格）
+  text = text.replace(/\s+/g, ' ').trim();
+
+  // 5. 截断
+  if (maxLen && text.length > maxLen) {
+    text = text.slice(0, maxLen) + '...';
+  }
+
+  return text;
+}
+
+/**
+ * 解码 HTML 实体
+ * 浏览器环境用 DOMParser，非浏览器环境用正则 fallback
+ */
+function decodeHtmlEntity(str: string): string {
+  if (typeof DOMParser === 'undefined') {
+    const entityMap: Record<string, string> = {
+      '&nbsp;': ' ',
+      '&amp;': '&',
+      '&lt;': '<',
+      '&gt;': '>',
+      '&quot;': '"',
+      '&#39;': "'",
+      '&#x27;': "'",
+      '&#x2F;': '/',
+      '&copy;': '©',
+      '&reg;': '®'
+    };
+    return str.replace(/&[a-z]+;|&#\d+;|&#x[0-9a-f]+;/gi, (match) => {
+      if (entityMap[match]) return entityMap[match];
+      const num = match.match(/&#(\d+);/)?.[1];
+      if (num) return String.fromCharCode(Number(num));
+      const hex = match.match(/&#x([0-9a-f]+);/i)?.[1];
+      if (hex) return String.fromCharCode(parseInt(hex, 16));
+      return match;
+    });
+  }
+  const doc = new DOMParser().parseFromString(str, 'text/html');
+  return doc.documentElement.textContent ?? '';
+}