Cómo eliminar etiquetas HTML del texto (JavaScript, Python, Regex)

Eliminar etiquetas HTML es una de las tareas de procesamiento de texto más comunes, ya sea limpiando salidas de CMS, haciendo scraping web o preparando texto para análisis.

JavaScript

// Método DOM (el más seguro)
function stripHtml(html) {
  const doc = new DOMParser().parseFromString(html, 'text/html');
  return doc.body.textContent || '';
}

// Método regex (simple)
const text = html.replace(/<[^>]*>/g, '');

Python

from html.parser import HTMLParser
from io import StringIO

class MLStripper(HTMLParser):
    def __init__(self):
        super().__init__()
        self.fed = []
    def handle_data(self, d):
        self.fed.append(d)
    def get_data(self):
        return ''.join(self.fed)

def strip_tags(html):
    s = MLStripper()
    s.feed(html)
    return s.get_data()

# O simplemente:
import re
re.sub(r'<[^>]*>', '', html)

Herramienta online

Usa nuestro conversor a texto plano para eliminar HTML al instante.