从文本中删除所有HTML标记及其内容

Question

我想知道如何删除所有HTML标签及其内容BeautifulSoup.

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建议的那样,您可以使用tag.decompose()而不是tag.replaceWith('')- 将产生相同的结果,但看起来更合适.