使用BeautifulSoup删除指定类最后一个元素之后的所有HTML内容

你不需要用正则匹配字符串处理，直接用BeautifulSoup提供的节点遍历方法就能实现，核心是利用元素的next_siblings属性获取当前元素之后的所有同级节点，逐个删除即可。

完整可运行代码 #

from bs4 import BeautifulSoup
import lxml

# 你的HTML示例数据
data = '''
<p>Some text element.</p>
<p>Some other text element.</p>
<p class="myclass">This is an element with class</p>
<p>This is an element without class.</p>
<p>Other paragraph.</p>
<p class="myclass">The second element with class.</p>
<p>Another paragraph.</p>
<p>More</p>
<p>...</p>
'''

soup = BeautifulSoup(data, 'lxml')
# 选择所有带指定类的p元素，补全原代码漏掉的右括号
ps_with_class = soup.find_all('p', {'class': 'myclass'})
if ps_with_class:
    last_p_with_class = ps_with_class[-1]
    # 遍历最后一个匹配元素之后的所有同级节点，逐个删除
    for sibling in list(last_p_with_class.next_siblings):
        sibling.extract()

# 输出处理后的HTML，用body.contents输出可以去掉lxml自动补的html、body标签
print(''.join([str(tag) for tag in soup.body.contents]))

代码说明 #

• next_siblings会返回当前元素之后所有的同级节点，包含HTML标签和文本节点（比如换行、空白字符）
• 转成list遍历是因为直接遍历next_siblings的时候删除节点会导致迭代器出错
• extract()方法会把节点从soup树中直接移除，比字符串正则处理更安全，不会误删内容或者破坏HTML结构
• 最后输出的时候用soup.body.contents处理，是因为lxml解析器默认会给HTML补全<html>、<body>根标签，遍历body的子节点输出就能得到你要的原始结构内容。

输出结果 #

<p>Some text element.</p>
<p>Some other text element.</p>
<p class="myclass">This is an element with class</p>
<p>This is an element without class.</p>
<p>Other paragraph.</p>
<p class="myclass">The second element with class.</p>

内容的提问来源于stack exchange，提问作者Catalin