Python解析HTML有五种常用方法：一、BeautifulSoup（易用，容错强）；二、lxml（高性能，支持XPath）；三、PyQuery（jQuery语法，可读性好）；四、正则表达式（轻量，适用于简单固定结构）；五、html.parser（内置，需手动处理事件）。
如果您需要从HTML文档中提取结构化数据，Python提供了多种库来解析HTML内容。以下是几种常用且有效的解析方法：
一、使用BeautifulSoup解析HTML
BeautifulSoup是一个专为解析HTML和XML设计的Python库，它能自动处理不规范的HTML标签，并提供简洁的API来定位和提取元素。
1、安装库：运行命令 pip install beautifulsoup4。
2、导入模块：在Python脚本中写入 from bs4 import BeautifulSoup。
立即学习“Python免费学习笔记（深入）”；
3、加载HTML内容：使用 BeautifulSoup(html_content, 'html.parser') 创建解析对象。
4、查找元素：调用 soup.find('tag_name') 或 soup.find_all('div', class_='example') 提取目标节点。
5、获取文本：对结果对象调用 .get_text() 方法提取纯文本内容。
二、使用lxml解析HTML
lxml是基于libxml2和libxslt的高性能XML/HTML解析库，支持XPath和CSS选择器，解析速度显著优于BeautifulSoup。
1、安装库：运行命令 pip install lxml。
2、导入模块：在Python脚本中写入 from lxml import html。
3、解析HTML字符串：使用 tree = html.fromstring(html_content) 构建文档树。
4、执行XPath查询：调用 tree.xpath('//div[@class="content"]/text()') 获取匹配文本节点。
5、提取属性值：使用 tree.xpath('//a/@href') 提取所有链接的href属性。
三、使用PyQuery模拟jQuery语法解析HTML
PyQuery提供类似jQuery的选择器语法，适合熟悉前端开发的用户快速上手，底层依赖lxml，兼顾可读性与性能。
1、安装库：运行命令 pip install pyquery。
2、导入模块：在Python脚本中写入 from pyquery import PyQuery as pq。
3、加载HTML：使用 doc = pq(html_content) 初始化PyQuery对象。
4、选择元素：调用 doc('div.title') 选取所有class为title的div元素。
5、链式提取：使用 doc('span.price').text().strip() 直接获取并清理文本内容。
四、使用正则表达式提取简单HTML片段
对于格式高度固定、结构极其简单的HTML片段，可直接使用re模块进行轻量级匹配，避免引入额外依赖。
1、导入模块：在Python脚本中写入 import re。
2、编写匹配模式：定义如 r'
3、执行搜索：调用 re.search(pattern, html_content) 获取第一个匹配结果。
4、提取分组：使用 match.group(1) 获取括号内捕获的内容。
5、处理多匹配：改用 re.findall(pattern, html_content) 获取全部匹配项列表。
五、使用html.parser标准库解析HTML
Python内置的html.parser模块无需安装第三方依赖，适用于基础解析任务，但需手动实现Handler类处理事件流。
1、导入模块：在Python脚本中写入 from html.parser import HTMLParser。
2、定义解析器类：继承 HTMLParser 并重写 handle_starttag()、handle_data() 等方法。
3、初始化解析器：创建实例 parser = MyHTMLParser()。
4、馈送HTML：调用 parser.feed(html_content) 启动解析过程。
5、访问结果：在自定义Handler中通过实例变量收集解析后的数据。
