如何用Python实现标签查找器 提取标记代码中的所有HTML标签

现有待处理的标记代码片段如下：

<h1>hello
<p>world
<b>from
<li>python

需要提取所有使用的标签，输出格式为['h1', 'p', 'b', 'li']，可通过以下两种常用方法实现：

方法1：正则表达式匹配（适合简单规整的文本场景） #

无需额外安装依赖，直接通过正则规则匹配<>包裹的标签名：

import re

html_content = """<h1>hello
<p>world
<b>from
<li>python"""

# 匹配<开头后紧跟的单词字符作为标签名
tags = re.findall(r'<(\w+)>', html_content)
print(tags)  # 输出: ['h1', 'p', 'b', 'li']

注意：该方法仅适合格式简单、无标签属性、无特殊嵌套场景的HTML片段，复杂场景下容易出现匹配误差。

方法2：使用BeautifulSoup HTML解析库（推荐，适合所有HTML场景） #

调用专业的HTML解析库处理，容错性更高，即使标签带属性、格式不完整也能正确提取：

1. 先安装依赖库：

pip install beautifulsoup4

2. 实现代码：

from bs4 import BeautifulSoup

html_content = """<h1>hello
<p>world
<b>from
<li>python"""

soup = BeautifulSoup(html_content, 'html.parser')
# 遍历所有解析到的标签，提取标签名
tags = [tag.name for tag in soup.find_all()]
print(tags)  # 输出: ['h1', 'p', 'b', 'li']

内容的提问来源于stack exchange，提问作者user17231840