如何用BeautifulSoup移除HTML标签并保留内容？替代LXML strip_tag方法

BeautifulSoup里没有直接对应lxml strip_tag的方法，但可以用unwrap()方法实现完全相同的效果——移除指定标签，同时保留标签内的所有内容（包括子标签和文本）。

基础用法 #

针对单个标签：

from bs4 import BeautifulSoup

html = '<div class="extra"><span>需要保留的内容</span></div>'
soup = BeautifulSoup(html, 'html.parser')

# 选中要处理的标签，调用unwrap()
target_tag = soup.find('div')
target_tag.unwrap()

print(soup)
# 输出: <span>需要保留的内容</span>

批量处理多个标签 #

如果要一次性移除所有<span>和<div>标签，保留内部内容，可以遍历所有匹配的标签并调用unwrap()：

html = '''
<div class="wrapper">
  <span class="red">文本1</span>
  <div class="blue">
    <p>嵌套内容</p>
  </div>
</div>
'''
soup = BeautifulSoup(html, 'html.parser')

# 遍历所有需要移除的标签
for tag in soup.find_all(['span', 'div']):
    tag.unwrap()

print(soup.prettify())
# 输出:
# 文本1
# 
# <p>
#  嵌套内容
# </p>

注意事项 #

• unwrap()会直接修改原BeautifulSoup对象，不需要重新赋值
• 如果标签是文档的根节点，unwrap()会报错，建议先检查标签是否有父节点
• 若只想移除特定属性的标签，可以在find_all()里添加过滤条件，比如soup.find_all('div', class_='extra')

内容的提问来源于stack exchange，提问作者mrgou