在 JavaScript 中將 HTML 轉換為文字 — 也就是將 HTML 標記嵌入為可用的 JavaScript 字串 — 最可靠的做法是將標記序列化為單一 JavaScript 字串常值,並跳脫所選分隔符號無法容忍的每個字元。以 const 開頭的指派 const name = "..."、const name = '...' 或 const name = `...` 是標準的輸出形式。三個字元主導著跳脫問題:所選的分隔符號(雙引號、單引號或反引號)、反斜線本身,以及 ECMAScript 在一般字串中禁止的任何行結束符號或控制字元。樣板字串常值帶來第二個危險,因為序列 ${ 會開始一個內插運算式。轉換過程是掃描 UTF-16 輸入、依照所選模式跳脫相關字元,並輸出一個 const 宣告。不會建立 DOM、不會進行解析,標記會逐字保留,包括空白、註解、實體以及任何格式錯誤的標籤。產生的結果就是一般的 JavaScript 原始碼,你可以貼到檔案中並毫無意外地執行。

how to convert html to text in javascript
HTML 轉 JavaScript:選擇正確的引號模式

在 JavaScript 中定義 HTML 序列化

此情境下的 HTML 序列化純粹是文字層面的。你貼上的 HTML 會被視為一連串的 UTF-16 字碼單元,每個字元都會依原樣保留。標籤、屬性順序、行內樣式、註解、像是 & 的具名實體,甚至格式錯誤的標記,在輸出中都會保持為文字。這與從 HTML 中擷取純文字有根本上的不同 — 後者會移除標籤以取得可讀的字串,而序列化則會保留標籤完整,只用 JavaScript 的字串語法加以包裹。這個區分很重要,因為以解析器為基礎的轉換器可能會默默將屬性順序正規化、將標籤名稱改為小寫、修補未關閉的標籤,或捨棄對空白敏感的內容,例如預先格式化的程式碼、script 標籤或樣板片段。對於稍後要透過 innerHTML 渲染、餵給樣板引擎或重建為文件的內容,這些隱而不顯的變更可能會破壞輸出。HTML to JavaScript Converter 明確避開了這個範疇:它是文字序列化,而不是 HTML 解析。

三種引號模式的差異

JavaScript 引擎將每種引號樣式視為各自的字面值語法。雙引號和單引號除了分隔符號之外可以互換使用:在雙引號模式中,字面的雙引號會中斷字串,而在單引號模式中,字面的單引號(撇號)會中斷字串。兩種模式都會將換行和歸位符號編碼為跳脫序列,而不是允許原始的行結束符號,而且反引號在兩種模式中都保留給樣板字串常值。反斜線會優先被跳脫,因此 HTML 中既有的跳脫序列(例如 Windows 路徑、正則表達式語法、或已跳脫的 JSON 字串)在 JavaScript 的求值步驟中能保持不變。

樣板字串常值的運作方式不同。它允許多行原始碼而不需要明確的 \n 跳脫,這使得手寫的標記更易閱讀。但它也帶來兩個新的危險:未跳脫的反引號會關閉字面值,而序列 ${ 會開啟一個 JavaScript 運算式。轉換器會跳脫這兩者,因此貼上的 HTML 不會意外變成可執行的內插。輸出是一般的無標籤樣板字串常值;刻意需要執行階段內插的開發者應在之後手動加入,並逐一檢視每個運算式,而不是讓貼上的輸入產生程式碼。將產生的名稱限制在保守的 ASCII 子集內,可以避免視覺上易混淆的 Unicode 字元,以及不同執行階段版本特有的意外狀況。

引號模式需要跳脫的分隔符號允許多行?內插風險最適用於
雙引號 (")"否 (換行已跳脫)無含有大量撇號但不含雙引號的 HTML
單引號 (')'否 (換行已跳脫)無含有大量雙引號但不含撇號的 HTML
樣板字串常值 (`)` 和 ${是有 (已跳脫)可讀的多行 HTML,且可能同時包含兩種引號樣式

四個步驟將 HTML 轉換為 JavaScript 字串

  1. 依照最終字串中應呈現的樣子,完整地貼上 HTML 原始碼。不要預先跳脫、正規化或美化標記。標籤、註解、空白和實體應與執行階段所期望的內容逐位元組相同,因為轉換器將輸入視為純文字而非已解析的文件。
  2. 輸入一個非保留字的 ASCII JavaScript 變數名稱。該欄位接受以字母、底線或錢號開頭的識別字,並拒絕 class、const、for 和 return 等保留字。產生的宣告一律使用 const;只有在確實需要重新指派,或你的模組模式要求不同的宣告時,才手動變更關鍵字。
  3. 選擇雙引號、單引號或樣板字串常值。挑選與 HTML 中主要分隔符號相符的模式;如果兩種引號都頻繁出現,樣板模式最具可讀性。按下「轉換」以產生指派。
  4. 複製指派並貼到你的程式碼中。在隔離的測試環境(例如主控台、JavaScript playground 或單元測試)中求值該字面值,並斷言產生的字串與原始輸入完全相等,再將其整合到渲染或樣板邏輯中。依據 ECMAScript 字串常值語法,這個來回檢驗是確認每個跳脫都落在引擎預期位置的唯一方法。

會破壞 JavaScript 字常值的字元

ECMAScript 字串常值語法禁止一小組字元出現在一般字串中,並在樣板字串常值中保留其他字元。轉換器會依據所選模式跳脫每個類別,以 UTF-16 字碼單元掃描輸入,而不是將其重新解析為標記。反斜線會優先被跳脫,以便路徑、正則表達式文字和既有的跳脫在 JavaScript 求值產生的指派後,仍保有其字面字元。換行字元 (\n)、歸位符號 (\r)、行分隔符號 U+2028,以及段落分隔符號 U+2029 會被明確編碼,以利跨執行階段的可攜性 — 即使 U+2028 和 U+2029 看起來像普通空白,引擎仍會將它們視為行結束符號。U+0000 至 U+001F 的控制字元會被跳脫,使其不會消失或在無形中終止字常值。在樣板模式中,${ 會被跳脫,以避免貼上的內容變成可執行的運算式語法,而反引號會被跳脫,以防止字常值提前關閉。

字元或序列雙引號模式單引號模式樣板模式
" (雙引號)跳脫 (\")保留保留
' (單引號 / 撇號)保留跳脫 (\')保留
` (反引號)保留保留跳脫 (\`)
${ (內插起始)保留保留跳脫 (\${)
\ (反斜線)跳脫 (\\)跳脫 (\\)跳脫 (\\)
\n 和 \r (原始行結束符號)跳脫跳脫跳脫
U+2028 和 U+2029跳脫跳脫跳脫
控制字元 U+0000–U+001F跳脫跳脫跳脫

MDN 樣板字串常值 參考資料以易讀的形式說明了這個語法,包括為何特殊 Unicode 分隔符號需要明確跳脫,以及為何當來源 HTML 含有 ${ 時,String.raw 並無法消除內插的風險。

在上線前進行來回測試

只有在由真實 JavaScript 引擎求值後,所產生的字串能夠逐字元重現原始標記時,轉換才算正確。最快的檢查方式是一行的比較:將該字常值指派給一個變數,然後使用 === 與輸入進行比對。任何不一致都指向被遺漏的分隔符號、未跳脫的控制字元,或上游某處意外的 Unicode 正規化步驟。HTML to JavaScript Converter 是圍繞著這個確切的來回特性所建構 — 每條跳脫規則的存在,都是為了讓求值後的字串等於輸入,而內部語法測試涵蓋了八個外部案例,包括引號、反斜線、換行字元、樣板分隔符號、內插語法和 Unicode 行分隔符號。請在隔離環境(例如 JavaScript playground)中執行檢查,而不是在實際運作的程式碼中,以便不符的跳脫不會在無形中傳播到渲染的頁面。若要一次處理多個片段,請遵循 bulk JavaScript playground runs 中的迭代指引,讓每個測試在不同的引號模式下保持隔離且可重現。

文字序列化的限制

序列化不會驗證、清理或渲染 HTML。如果產生的字串將被指派給 innerHTML、與不受信任的資料結合,或被當作程式碼求值,目標端仍然需要依照情境進行跳脫、使用維護完善的清理器,以及嚴格的內容安全政策 (Content Security Policy)。當不需要標記時,請使用 textContent,並避免僅為了顯示 HTML 而使用 eval 或 new Function。轉換器同樣不會建立 DOM、重新排序屬性、正規化大小寫、修補未關閉的標籤,或將 HTML 轉換為 JSX — 這個狹窄的範疇是刻意為之,因為解析器可能會在無形中改寫對空白敏感的內容,例如 script 區塊、style 標籤或樣板片段。如果你需要標記驗證或 DOM 建構,請使用為目標格式設計的維護完善的解析器。轉換完全在目前的瀏覽器分頁中執行:HTML 不會被上傳、儲存、執行、預覽或傳送至伺服器,也不需要帳號或新的相依套件。對於實際運作的產生器,請在隔離測試中求值所複製的指派,並斷言其產生的字串與原始輸入完全相等 — 這是一項來回檢查,可補充但無法取代轉換器所依據的外部語言標準測試案例。

如果你正在權衡各種選項,JavaScript Playground Cheat Sheet: Limits at a Glance 有詳細說明。