如何从HTML简历文件中提取不含标签的纯文本内容

嘿，作为Web开发新手，提取HTML里的纯文本其实有好几种简单易上手的方法，我给你分享几个常用的：

方法一：浏览器控制台（最快最方便） #

这是不需要额外工具的首选方法，步骤超简单：

• 把你的HTML简历文件用浏览器打开（比如Chrome、Firefox）
• 按下F12键打开开发者工具，切换到「Console」标签页
• 在控制台里输入以下命令之一，按下回车就能直接看到提取后的纯文本：
  • document.body.textContent.trim()：会提取页面上所有文本，包括隐藏元素里的内容
  • document.body.innerText.trim()：提取的是页面上实际显示的文本，更贴近你肉眼看到的内容

方法二：用Python脚本（适合批量或长内容） #

如果你的简历内容比较长，或者以后需要处理类似的HTML文件，可以用Python的BeautifulSoup库来批量处理：

1. 先安装依赖库：

pip install beautifulsoup4

2. 编写简单的脚本：

from bs4 import BeautifulSoup

# 把你的HTML内容替换成实际的简历代码，或者从文件读取
html_resume = """<p>Mobile: 12345678891 E-mail: <a href="abc@gmail.com">abc@gmail.com</a></p> <p><b>Career Objective</b></p> <p>Employment that fully utilizes my experience in Web Site Design &amp; Development and offers the opportunity for career advancement along with the further expansion of IT skills. </p><p><b>Caree...</p>"""

# 解析HTML并提取纯文本
soup = BeautifulSoup(html_resume, 'html.parser')
clean_text = soup.get_text(strip=True, separator=' ')

# 输出结果
print(clean_text)

运行脚本后，就能得到格式规整、没有标签的纯文本内容了。

方法三：手动处理（仅适合短内容） #

如果你的简历内容很短，也可以直接把HTML代码复制到记事本里，然后手动删除所有<>包裹的标签。不过这种方法效率低，容易出错，只推荐应急用。

内容的提问来源于stack exchange，提问作者ganesh kaspate