python - 从文本中删除所有 HTML 标签及其内容

Question

我想知道如何使用 BeautifulSoup 删除所有 HTML 标签及其内容。

输入:

... text <strong>ha</strong> ... text

输出:

... text ... text

Answer 1

使用replace_with() (或 replaceWith()):

from bs4 import BeautifulSoup, Tag


text = "text <strong>ha</strong> ... text"

soup = BeautifulSoup(text)

for tag in soup.find_all('strong'):
    tag.replaceWith('')

print soup.get_text() 

打印:

text  ... text

或者，正如@mata 所建议的，您可以使用 tag.decompose() 而不是 tag.replaceWith('') - 会产生相同的结果，但看起来更合适。