去除 HTML 标签：能得到什么、会丢什么

从网页源码或富文本导出里复制的内容混着一堆标签，去掉之后剩下的才是能贴进纯文本环境的段落。

什么场景真的需要它

把网页正文复制到纯文本环境时最常见：邮件、Word、工单系统、翻译文件都只需要文字。富文本编辑器导出的内容、HTML 格式的邮件模板，也常要先清理再用。直接复制整页时，导航和广告也会一起粘进来，先确认范围。

另一种用途是比对。两份带标签的 HTML 直接 diff 会满屏都是属性差异，先把标签去掉再比，看到的才是文字内容的增减。批量整理时也常这样粗清理一遍，但建议保留一份原始 HTML，方便回查。

它只删除尖括号包住的那一段，标签之间的文字保留，标签属性随之消失，所以链接地址不会留下。字符实体不会被解码：& 仍然是 &，  仍然是一个实体，需要另外处理。

script 和 style 里的内容会留在结果中，因为删除的是标签而不是内部文字，这是最容易踩的坑。正文里写成 a < b > c 的比较式也会被当成标签删掉，未闭合的尖括号可能吃掉后面一大段。处理后请逐一检查这三处。

要提取正文、去掉导航和广告，用浏览器的阅读模式或 Readability 一类工具；要保留链接文字和地址，用 DOM 解析逐个节点取值，而不是整体删标签。输入不规整时，浏览器的 HTML 解析器比正则更可靠。

绝对不要把它当安全过滤。删除标签不等于转义，残留的实体和文本仍可能被解释成标记，攻击面并没有消除。防 XSS 要在输出时按上下文转义、用白名单清洗，并在服务端生成 HTML。

为什么结果里还留着 & 这样的字符？

因为工具只删除标签，不解码字符实体。& 在 HTML 里代表 &，但在这里会被原样保留。需要真正还原时，请另用实体解码工具或脚本处理。

为什么脚本代码还在结果里？

删除的是 script 标签本身，标签之间的内容不属于标签，所以会留下。需要去掉时，应先用能解析 DOM 的工具删除整个 script 节点，而不是只删标签。

可以用它来防止 XSS 吗？

不能。删除标签不是转义，残留内容仍可能被浏览器解释执行。防 XSS 要在输出时按上下文转义、使用白名单清洗，并在服务端生成 HTML。