如何用BeautifulSoup移除包含指定文本的<p>标签？

你的代码失效的核心原因：目标文本“Read our full”并不是<p>标签的直接文本内容，而是嵌套在<strong>子标签里。BeautifulSoup的text参数匹配的是节点自身的string属性——对于包含子节点的<p>来说，它的string属性为None，所以正则表达式根本匹配不到任何目标标签。

下面提供两种可行的解决方法：

方法一：检查标签下所有文本内容 #

遍历所有<p>标签，通过get_text()获取该标签下所有层级的文本内容，再判断是否包含目标字符串：

from bs4 import BeautifulSoup

html = '''
<p>
    <strong>
        Read our full
        <a href="">
            review
        </a>
    </strong>
</p>
<p>保留的正常段落</p>
'''

soup = BeautifulSoup(html, 'html.parser')

for p_tag in soup.find_all('p'):
    # strip=True 去除文本首尾的空白字符，避免换行、空格干扰判断
    if 'Read our full' in p_tag.get_text(strip=True):
        p_tag.decompose()

print(soup)

方法二：先定位文本节点再找父级

#

先找到包含目标文本的节点，再向上追溯到它的父级<p>标签并删除：

import re
from bs4 import BeautifulSoup

html = '''
<p>
    <strong>
        Read our full
        <a href="">
            review
        </a>
    </strong>
</p>
<p>保留的正常段落</p>
'''

soup = BeautifulSoup(html, 'html.parser')

# 匹配包含目标文本的所有节点
for text_node in soup.find_all(text=re.compile('Read our full')):
    # 找到该文本节点的父级<p>标签
    p_tag = text_node.find_parent('p')
    if p_tag:
        p_tag.decompose()

print(soup)

两种方法都能有效移除包含指定文本的<p>标签，你可以根据自己的代码场景选择使用。

内容的提问来源于stack exchange，提问作者Floppy88