如何用Python提取HTML中指定前缀的属性并生成对应列表？

前置准备 #

首先安装HTML解析依赖库，比正则匹配更稳定，不会因为HTML换行、属性顺序变化出现匹配错误：
pip install beautifulsoup4

完整实现代码 #

from bs4 import BeautifulSoup

def extract_attrs_by_prefix(html_content, attr_prefix):
    soup = BeautifulSoup(html_content, 'html.parser')
    result = []
    # 遍历所有HTML标签
    for tag in soup.find_all(True):
        # 遍历当前标签的所有属性
        for attr_name, attr_value in tag.attrs.items():
            if attr_name.startswith(attr_prefix):
                # 处理class这类多值属性的情况
                if isinstance(attr_value, list):
                    attr_value = ' '.join(attr_value)
                result.append(f'{attr_name}="{attr_value}"')
    return result

# 用法示例
if __name__ == '__main__':
    # 方式1：读取本地HTML文件（推荐，适合大量内容场景）
    # with open('你的HTML文件路径.html', 'r', encoding='utf-8') as f:
    #     html = f.read()
    
    # 方式2：直接传入HTML字符串，适合小片段测试
    html = """
    替换为你自己的完整HTML代码
    """
    # 指定要匹配的属性前缀，可根据需求修改
    target_prefix = 'senchatest'
    res_list = extract_attrs_by_prefix(html, target_prefix)
    
    # 控制台输出结果
    for item in res_list:
        print(item)
    
    # 需要导出为文件可取消下方注释
    # with open('属性提取结果.txt', 'w', encoding='utf-8') as f:
    #     f.write('\n'.join(res_list))

效果验证 #

使用你提供的示例HTML运行脚本，输出结果如下：

senchatest="mainMenu_game"
senchatest="mainMenu_plus"

完全符合预期，即使HTML内有数百个符合要求的属性也可一次性提取完成，导出的文件可直接用于测试场景。

内容的提问来源于stack exchange，提问作者matsi