如何阻止BeautifulSoup处理纯文本时自动添加HTML标签

在邮件模板预处理场景下，同时兼容完整HTML文档、纯文本两类输入的实现逻辑如下：

• 核心原因：BeautifulSoup的HTML解析器默认会对不符合完整HTML规范的输入，自动补全<html>、<head>、<body>外层标签结构，这是解析器的内置默认行为，不需要更换解析器，只需要在输出阶段做简单判断提取即可。
• 兼容两类输入的可直接复用的处理代码：

from bs4 import BeautifulSoup

def render_soup_content(raw_content):
    # 用Python内置的html.parser解析，无需安装额外依赖
    soup = BeautifulSoup(raw_content, "html.parser")
    # 判定规则：head标签无任何内容、且无DOCTYPE声明时，判定为纯文本/无头部的内容片段
    has_valid_head = len(soup.head.contents) > 0
    has_doctype = any(item for item in soup.contents if getattr(item, 'name', None) == 'DOCTYPE')
    if not has_valid_head and not has_doctype:
        # 只返回body内部的实际内容，去掉自动补全的外层标签
        return soup.body.decode_contents()
    # 输入为完整HTML文档时，返回完整渲染结果，不破坏原有结构
    return str(soup)

# 测试纯文本场景（对应问题里的最简示例）
print(render_soup_content("Hello World!"))
# 输出结果：Hello World! 完全符合预期

# 测试完整HTML邮件模板场景
test_full_html = """
<!DOCTYPE html>
<html>
<head><style>.content{font-size:14px; line-height:1.5}</style></head>
<body><div class="content">这是正式邮件内容</div></body>
</html>
"""
print(render_soup_content(test_full_html))
# 输出结果为完整的带DOCTYPE、head样式、body结构的HTML文档，无内容丢失

• 注意事项：不要直接用soup.text做内容提取，该方法会过滤所有HTML标签，直接破坏完整HTML模板的结构；decode_contents()方法会保留body内部原有的所有标签、文本和转义格式，不会篡改原始内容。

内容的提问来源于stack exchange，提问作者Przemek Baj