67 lines
2.0 KiB
TypeScript
67 lines
2.0 KiB
TypeScript
/**
|
||
* 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 & 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> = {
|
||
' ': ' ',
|
||
'&': '&',
|
||
'<': '<',
|
||
'>': '>',
|
||
'"': '"',
|
||
''': "'",
|
||
''': "'",
|
||
'/': '/',
|
||
'©': '©',
|
||
'®': '®'
|
||
};
|
||
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 ?? '';
|
||
}
|