BeautifulSoup清除HTML内容技巧
2026-03-05 19:12:56
0浏览
收藏
本文揭秘了一种安全可靠的HTML文本清除方法:借助BeautifulSoup的`find_all(text=True)`与`extract()`组合,精准剥离所有纯文本节点(含嵌套文本),完整保留标签结构、属性及语义层级,彻底规避正则表达式解析HTML带来的不可靠风险——无论是生成结构化模板、敏感信息脱敏,还是构建骨架屏,这都是既稳健又符合HTML规范的首选方案。

本文介绍一种安全、可靠且语义正确的方式,利用 BeautifulSoup 的 `find_all(text=True)` 配合 `extract()` 方法,彻底移除 HTML 中所有纯文本节点(包括嵌套在标签内的文本),避免正则表达式处理 HTML 带来的解析风险。
在 HTML 文本处理中,有时需要清空所有可见文本内容(如用于生成结构模板、脱敏或构建骨架屏),但保留完整的标签结构和属性。虽然正则表达式(如 re.sub(">(.*?)<", ">\1<", html))在简单场景下看似可行,但它极易因 HTML 的嵌套性、注释、CDATA、属性值含 > 等边界情况而失效,不推荐用于真实 HTML 解析。
更专业、健壮的方案是使用 HTML 解析器——BeautifulSoup。其核心思路是:将所有纯文本节点(即 NavigableString 类型)识别出来,并调用 .extract() 方法从 DOM 树中完全移除它们,而非仅置空 .string(后者无法处理多文本片段或前后空白)。
以下为完整示例代码:
from bs4 import BeautifulSoup html = '''
Chips and molcajete salsa
输出结果将保留全部标签结构与属性,但所有文本内容(含 $、4、空格、换行等)均被清除:
⚠️ 注意事项:
- find_all(text=True) 会匹配所有文本节点(包括 \n、\t、空格等不可见字符),确保真正“清零”;
- 不要使用 n.string = "",因为它仅适用于 element 有且仅有一个直接子文本节点的情况;若存在多个文本节点(如 $ 4 中 $ 和 4 之间有空格),.string 为 None,赋值无效;
- 若需保留部分文本(如仅清除数字或特定关键词),应改用条件判断 + replace_with("") 或 decompose();
- 处理完后可结合 htmlmin.minify(str(soup)) 进一步压缩输出,但注意 minify 不影响逻辑结构。
总结:永远优先选择 HTML 解析器而非正则来操作 HTML。find_all(text=True) + extract() 是清除文本最简洁、最鲁棒的标准做法,兼顾准确性、可读性与维护性。
到这里,我们也就讲完了《BeautifulSoup清除HTML内容技巧》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于的知识点!
Golang依赖图生成与分析技巧
- 上一篇
- Golang依赖图生成与分析技巧
- 下一篇
- GolangJSON序列化与反序列化教程
查看更多
最新文章
-
- 文章 · 前端 | 14小时前 | 流式处理 · javascript · 浏览器API · JavaScript UTF-8 ReadableStream Web Streams WritableStream TextEncoderStream
- Web Streams TextEncoderStream 怎样把字符串转换成字节流
- 358浏览 收藏
-
- 文章 · 前端 | 15小时前 | javascript · 浏览器API · Web Locks API navigator.locks.request 同源标签页 共享任务 浏览器并发
- Web Locks API 怎样让同源标签页串行执行共享任务
- 445浏览 收藏
-
- 文章 · 前端 | 1天前 | 前端 · css · CSS 组件样式 @scope scope root scope limit 选择器作用域
- CSS @scope 怎样限制选择器只作用于局部组件
- 210浏览 收藏
-
- 文章 · 前端 | 1天前 | 前端 · JavaScript translate HTMLElement 产品名称
- JavaScript HTMLElement.translate 怎样标记无需翻译的产品名称
- 483浏览 收藏
-
- 文章 · 前端 | 1天前 | 前端 · javascript · JavaScript IntersectionObserver rootMargin threshold intersectionRatio
- JavaScript IntersectionObserver 怎样设置多级阈值
- 289浏览 收藏
-
- 文章 · 前端 | 1天前 | 前端 · JavaScript postMessage Message BroadcastChannel close 同源页面通信
- JavaScript BroadcastChannel 怎样在同源页面间传递消息
- 403浏览 收藏
-
- 文章 · 前端 | 1天前 | 前端 · javascript · JavaScript iframe document importNode createHTMLDocument DOMImplementation
- JavaScript createHTMLDocument 怎样在独立文档中组装 HTML
- 329浏览 收藏
-
- 文章 · 前端 | 1天前 | 前端 · websocket · JavaScript websocket CloseEvent 关闭事件
- JavaScript WebSocket 怎样处理 close 事件的 code 和 reason
- 239浏览 收藏
-
- 文章 · 前端 | 1天前 |
- JavaScript structuredClone 复制 Error 对象怎样保留错误信息
- 261浏览 收藏
-
- 文章 · 前端 | 1天前 | 前端 · JavaScript Fetch AbortController AbortSignal abort reason
- JavaScript AbortController.abort(reason) 怎样把取消原因传给调用方
- 423浏览 收藏
-
- 文章 · 前端 | 1天前 | 前端 · 错误处理 · JavaScript Fetch response HTTP 404
- JavaScript fetch 怎样区分网络失败和 HTTP 404
- 239浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1149次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1136次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1313次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1254次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1107次使用
查看更多
相关文章
-
- JavaScript函数定义及示例详解
- 2025-05-11 502浏览
-
- 智能体安全引领产业升级——国内AI安全产品市场深度分析
- 2026-08-21 501浏览
-
- CSS变量简化按钮悬停效果技巧
- 2026-05-31 501浏览
-
- JavaScript符号类型详解与应用
- 2026-05-31 501浏览
-
- HTML剪贴板复制粘贴怎么用
- 2026-05-26 501浏览

