去除HTML、Word标签的一切样式，获得纯文本

用户从Word文档粘贴文本到编辑器，简直是一场灾难。大量的注释、样式和xml标签令人痛苦不堪。如何使用最简便的方法彻底清理一切样式，回归淳朴的txt格式？
导读

我使用wangEditor富文本编辑器，需要面对用户输入。因此不可能要求用户先把文本粘贴到txt文档净化样式，必须得通过js捕获净化粘贴板。如何处理一段字符串，彻底清除所有样式？这个问题缠绕了我很久。

我在百度上搜了很久，都是用一段长长的正则进行替换。近百行的代码我都不想看一眼。而我用英文查了一下Google，第一条答案就解决了我的问题。

function strip_html(html) { //获得纯文本
    var tmp = document.createElement("DIV");
    tmp.innerHTML = html;
    var html = tmp.textContent || tmp.innerText;
    html = html.replace(/(?:(\r\n)+|\r+|\n+)/g, "<br>");
    return html;
}

这个思路和我一开始用textarea处理的想法很相似。就是生成一个div，让浏览器处理这些文本，最后只需要取div显示的内容就可以了。我额外做了一步处理，用正则将换行符替换为<br>，并清理Word产生的多个换行。

结论：英语很重要，少翻百度多用Google。