如何使用Python从HTML文件中提取address标签内的地址信息

你可以用Python的BeautifulSoup库完成HTML结构化解析和地址提取，这是处理这类需求最稳定的方案，避免用正则匹配可能出现的标签格式不兼容问题。

第一步：安装依赖库 #

首先安装解析需要的第三方库：

pip install beautifulsoup4 lxml

第二步：处理代码示例 #

你可以参考下面的完整示例，修改对应文件路径即可直接运行：

from bs4 import BeautifulSoup

# 读取本地HTML文件
with open("你的目标HTML文件路径.html", "r", encoding="utf-8") as f:
    html_content = f.read()

# 初始化HTML解析器
soup = BeautifulSoup(html_content, "lxml")

# 查找所有class为list-card-addr的address标签
address_tags = soup.find_all("address", class_="list-card-addr")

# 提取所有地址文本
address_list = [tag.get_text(strip=True) for tag in address_tags]

# 打印/保存提取结果
for addr in address_list:
    print(addr)

常见调整说明 #

• 如果只需要提取第一个符合条件的地址，把find_all方法替换为find即可
• get_text的strip=True参数会自动去掉地址前后多余的空格、换行符，无需额外做文本清洗
• 如果你的HTML文件编码不是utf-8，可以修改open方法的encoding参数，比如换成gbk适配中文Windows系统生成的文件

注意：不推荐用正则表达式匹配HTML标签内容，HTML的嵌套、属性顺序变化、空格差异都可能导致正则匹配失效，用专业的HTML解析库稳定性高很多。

内容的提问来源于stack exchange，提问作者Daniel Orillac