本文介绍一种安全、可靠且语义正确的方式，利用 beautifulsoup 的 `find_all(text=true)` 配合 `extract()` 方法，彻底移除 html 中所有纯文本节点（包括嵌套在标签内的文本），避免正则表达式处理 html 带来的解析风险。
在 HTML 文本处理中，有时需要清空所有可见文本内容（如用于生成结构模板、脱敏或构建骨架屏），但保留完整的标签结构和属性。虽然正则表达式（如 re.sub(">(.*?)\1 等边界情况而失效，不推荐用于真实 HTML 解析。
更专业、健壮的方案是使用 HTML 解析器——BeautifulSoup。其核心思路是：将所有纯文本节点（即 NavigableString 类型）识别出来，并调用 .extract() 方法从 DOM 树中完全移除它们，而非仅置空 .string（后者无法处理多文本片段或前后空白）。
以下为完整示例代码：
from bs4 import BeautifulSoup html = '''
Chips and molcajete salsa
立即学习“前端免费学习笔记（深入）”；
输出结果将保留全部标签结构与属性，但所有文本内容（含 $、4、空格、换行等）均被清除：
⚠️ 注意事项：
- find_all(text=True) 会匹配所有文本节点（包括 \n、\t、空格等不可见字符），确保真正“清零”；
- 不要使用 n.string = ""，因为它仅适用于 element 有且仅有一个直接子文本节点的情况；若存在多个文本节点（如 $ 4 中 $ 和 4 之间有空格），.string 为 None，赋值无效；
- 若需保留部分文本（如仅清除数字或特定关键词），应改用条件判断 + replace_with("") 或 decompose()；
- 处理完后可结合 htmlmin.minify(str(soup)) 进一步压缩输出，但注意 minify 不影响逻辑结构。
总结：永远优先选择 HTML 解析器而非正则来操作 HTML。find_all(text=True) + extract() 是清除文本最简洁、最鲁棒的标准做法，兼顾准确性、可读性与维护性。
