如何用Python移除HTML标签？需过滤<a>、<img>标签内容

移除HTML标签内和后提取纯文本的解决方案 #

你可以通过先移除目标div内的和标签，再提取剩余文本的方式实现需求，具体步骤和代码如下：

实现步骤 #

1. 解析HTML结构，定位到目标<div>元素
2. 移除该<div>内所有的<a>和<img>标签（包括它们的内容）
3. 提取清理后的纯文本

示例代码 #

from bs4 import BeautifulSoup

# 目标HTML内容
html_content = '''<div class="xxx" data-handler="xxx">its a good day
<a class="link" href="https://" title="text">https:// link</a></div>'''

# 初始化解析器并定位目标div
soup = BeautifulSoup(html_content, 'lxml')
target_div = soup.find('div', class_='xxx')

# 批量移除<a>和<img>标签
for tag in target_div.find_all(['a', 'img']):
    tag.decompose()  # 彻底删除标签及内部所有内容

# 提取并清理文本（去除首尾空白和换行）
clean_text = target_div.get_text(strip=True)
print(clean_text)  # 输出结果：its a good day

关键说明 #

• decompose()方法会完全删除标签及其包含的内容，确保不会残留链接或图片相关文本
• find_all(['a', 'img'])可一次性匹配多种标签，简化代码逻辑
• get_text(strip=True)自动处理文本中的换行、空格等冗余格式，输出整洁结果

内容的提问来源于stack exchange，提问作者Rom Rim