如何使用Python解析HTML标签，将指定HTML结构提取为对应格式标签列表？

实现方案 #

方案1：输入HTML结构规整（每行对应一个标签/内容行） #

无需安装第三方库，直接对字符串按行处理即可：

# 输入的HTML字符串
html_content = '''<div class="title">
     <h1> Hello World </h1>
</div>'''

# 按行分割，去除每行前后空白，过滤空行
result = [line.strip() for line in html_content.splitlines() if line.strip()]

print(result)

运行输出：

['<div class="title">', '<h1> Hello World </h1>', '</div>']

方案2：兼容任意排版的HTML #

如果输入的HTML是压缩成单行、缩进混乱的格式，建议用BeautifulSoup先做格式化再处理，稳定性更高：

1. 先安装依赖：

pip install beautifulsoup4

2. 实现代码：

from bs4 import BeautifulSoup

# 就算输入是压缩后的HTML也能正常处理
html_content = '<div class="title"><h1> Hello World </h1></div>'

soup = BeautifulSoup(html_content, 'html.parser')
# 先将HTML格式化为每行一个节点的结构
formatted_html = soup.prettify()

result = [line.strip() for line in formatted_html.splitlines() if line.strip()]

print(result)

运行输出和方案1完全一致。

内容的提问来源于stack exchange，提问作者MyDisplay