如何使用 BeautifulSoup 彻底清除 HTML 节点中的所有文本内容-html教程

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 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 = '''

Totopos
Chips and molcajete salsa
立即学习“前端免费学习笔记（深入）”；