使用 Xml.parse() 删除标记内容与值数组匹配的 html 标记和内容

Question

我已经使用 .getBody() 从 GmailApp 中提取了一些 html，并希望返回一些 html 来过滤特定标记和内容，其中内容与数组中的任何值匹配（特别是与特定文本的链接）。查看this solution，我认为最简单的方法是使用Xml.parse() 并过滤对象，但不能超越创建XmlDocument。

例如，如果：

var html = '<div>some text then <div><a href="http://example1.com">foo</a></div> and then <span>some <a href="http://example2.com">baa</a>,and finally <a href="http://example3.com">close</a></span></div>';

和

var linksToRemove = ['baa','foo'];

我怎么能回来

var newHtml = '<div>some text then <div></div> and then <span>some ,and finally <a href="http://example3.com">close</a></span></div>';

使用

var obj = Xml.parse(html, true);

我可以得到一个要处理的对象，但一切都脱离了那里（我也考虑过只使用.replace()，但考虑到与正则表达式匹配的问题，我认为最好避免）

Answer 1

以下建议选择尝试使用正则表达式

var html = '<div>some text then <div><a href="http://example1.com">foo</a></div> and then <span>some <a href="http://example2.com">baa</a>,and finally <a href="http://example3.com">close</a></span></div>';

var linksToRemove = ['baa', 'foo'];
var newHtml = cleanBody(html, linksToRemove);

/**
 * Removes links from html text
 * @param {string} html The html to be cleaned.
 * @param {array} exclude The array of link text to remove.
 * @returns {string} Cleaned html.
 */
function cleanBody(html, exclude) {
    html = html.replace(/\r?\n|\r|\t/g, ''); // used to remove breaks and tabs
    var re = '<a\\b[^>]*>(' + exclude.join('|') + ')<\\/a>';
    return html.replace(new RegExp(re, 'ig'), "");
}

在http://jsfiddle.net/HdsPU/测试