如何使用BeautifulSoup解析本地HTML文件？

你直接传入文件名字符串给BeautifulSoup是错误的——它会把这个字符串当作HTML内容解析，而不是去读取文件里的实际内容。以下是两种正确的处理方式：

方法一：读取文件内容后传入 #

先通过open()读取本地HTML文件的内容，再将内容传给BeautifulSoup：

from bs4 import BeautifulSoup

# 以只读模式打开文件，指定编码避免乱码
with open('TestOC.html', 'r', encoding='utf-8') as file:
    html_content = file.read()

# 基于文件内容创建BeautifulSoup对象
soup = BeautifulSoup(html_content, 'html.parser')

方法二：直接传入文件对象 #

BeautifulSoup支持直接接收文件对象，无需提前读取内容：

from bs4 import BeautifulSoup

with open('TestOC.html', 'r', encoding='utf-8') as file:
    soup = BeautifulSoup(file, 'html.parser')

注意事项 #

• 确保TestOC.html和你的Python脚本在同一目录下，否则需要传入完整的文件路径（比如Windows下的'C:/Users/xxx/TestOC.html'，或Linux/macOS下的'/home/xxx/TestOC.html'）。
• 如果文件使用非UTF-8编码（如GBK），请修改encoding参数为对应编码值。

内容的提问来源于stack exchange，提问作者BatRuby