如何下载去除所有类、ID、属性的网站纯HTML代码？

下面提供几种实用的实现方式：

方法1：用Python的BeautifulSoup库处理（推荐，兼容复杂HTML） #

BeautifulSoup是处理HTML的专业库，能准确解析标签结构，避免正则的局限性。

首先安装库：

pip install beautifulsoup4

然后运行以下代码：

from bs4 import BeautifulSoup

# 替换成你的原始HTML内容
raw_html = """
<h1 id='page-title'>This is a page</h1>
<div class='page-part'>
    <button id='red-button' style='background-color:Red'>I'm a button</button>
    <button id='blue-button' style='background-color:Blue'>I'm a button</button>
</div>
"""

# 解析HTML
soup = BeautifulSoup(raw_html, 'html.parser')

# 遍历所有标签，清空属性
for tag in soup.find_all():
    tag.attrs = {}

# 输出格式化后的纯结构HTML
print(soup.prettify())

运行后就能得到仅保留标签结构和文本内容的HTML。

方法2：正则表达式快速处理（适合简单HTML场景） #

如果你的HTML结构简单，没有复杂嵌套或特殊字符属性，可以用正则快速替换：

import re

raw_html = """
<h1 id='page-title'>This is a page</h1>
<div class='page-part'>
    <button id='red-button' style='background-color:Red'>I'm a button</button>
    <button id='blue-button' style='background-color:Blue'>I'm a button</button>
</div>
"""

# 匹配标签开头的属性部分并移除
cleaned_html = re.sub(r'<(\w+)\s+[^>]+>', r'<\1>', raw_html)
print(cleaned_html)

注意：正则无法处理属性中包含>、嵌套引号等复杂情况，若HTML结构复杂，优先用BeautifulSoup。

方法3：浏览器控制台临时处理网页 #

如果只是想快速处理当前打开的网页，按F12打开浏览器控制台，执行以下JavaScript代码：

// 遍历页面所有元素，移除所有属性
document.querySelectorAll('*').forEach(el => {
  Array.from(el.attributes).forEach(attr => el.removeAttribute(attr.name));
});

// 打印处理后的完整HTML，也可以直接右键页面复制
console.log(document.documentElement.outerHTML);

执行后，页面的所有元素属性都会被清除，此时复制页面HTML即可得到目标内容。

内容的提问来源于stack exchange，提问作者MehranJ