HTML清洗需安全移除script标签：手动删除易出错，推荐用html2text转纯文本或BeautifulSoup解析器彻底剥离，避免误删、漏删及破坏结构。
HTML源码不能“保存为Noscript标签”——<noscript> 是一个 HTML 标签，不是文件格式，也不是保存目标。 你真正需要的，是「移除所有 <script> 标签及其内容」，或「生成一份不含脚本执行能力的 HTML 副本」。这属于 HTML 清洗操作，不是格式转换。
为什么直接删 <script> 标签不安全
手动用 Notepad++ 或记事本搜索 <script → 删除整块，容易出错：
- 嵌套注释里含
</script>（比如<!-- </script> -->），正则会提前截断 - 字符串字面量中含
</script>（如console.log("</script>");），导致误删后续内容 - 自闭合写法
<script/>或带命名空间的变体（少见但合法），普通查找会漏掉 - HTML 中还有
<script type="application/json">这类非可执行数据块，删了可能破坏页面功能
用 html2text 命令行工具提取纯文本（最省心）
如果你的目标是“无脚本、无样式、只留可读文字”，html2text 是目前最稳的选择——它默认就跳过 <script> 和 <style> 块，不解析、不执行、不保留结构干扰：
- 安装：
pip install html2text（Python 环境） - 基础用法：
html2text input.html > output.txt - 保留换行和段落缩进：
html2text -b 2 input.html（-b 2表示段落间空两行） - 处理中文乱码：
html2text -utf8 input.html，前提是源文件声明或实际编码是 UTF-8
注意：它输出的是 .txt，不是 HTML；如果你仍需 HTML 文件但去脚本，这个路径就不适用。
立即学习“前端免费学习笔记（深入）”；
用 Python + BeautifulSoup 安全剥离 <script> 标签
要保留 HTML 结构（比如 <p>、<h2>）、只删脚本块，且不崩在 malformed HTML 上，必须用真正的 HTML 解析器：
- 安装：
pip install beautifulsoup4 - 脚本核心逻辑（保存为
strip_script.py）：
from bs4 import BeautifulSoup
<p>with open("input.html", "r", encoding="utf-8") as f:
soup = BeautifulSoup(f, "html.parser")</p><p>for script in soup.find_all("script"):
script.decompose() # 彻底移除节点，含所有子内容</p><p>with open("output_no_script.html", "w", encoding="utf-8") as f:
f.write(str(soup))-
soup.find_all("script")能正确识别各种写法：<script>、<script src="..."></script>、<script type="module"> -
decompose()比extract()更彻底，不残留空白或换行 - 如果源 HTML 编码不是 UTF-8（比如 GBK），需先用
open(..., encoding="gbk")或chardet探测
浏览器控制台临时执行：只适合单页调试
打开开发者工具（F12），在 Console 里粘贴运行，能立刻看到去脚本后的 DOM 结构，但无法直接保存为文件：
- 执行：
document.querySelectorAll("script").forEach(s => s.remove()); - 再执行：
document.documentElement.outerHTML→ 复制输出结果 → 粘贴到编辑器 → 保存为.html - 风险：页面可能依赖脚本动态注入关键 HTML（比如 SPA 的路由内容），此时
outerHTML会缺失大量内容 - 不适用于批量、自动化、含 CSP 或沙箱限制的页面
真正难的不是删标签，而是判断哪些 <script> 可删、哪些删了会让页面“空壳化”。如果原始 HTML 来自爬虫抓取（比如 curl 结果），务必先确认是否已包含服务端渲染的完整 DOM——否则删完只剩个骨架。
