如何用Python和Beautiful Soup提取本地HTML表格的标题与URL？

没问题，我帮你搞定这个需求！用Python+BeautifulSoup其实不难，我给你写个清晰的实现方案，你可以根据自己的HTML结构调整细节：

第一步：先安装必要的库 #

如果你还没装BeautifulSoup，先在终端里跑这个命令：

pip install beautifulsoup4

第二步：核心代码实现 #

下面分两种常见的HTML结构场景给你写代码，你对应自己的文件选就行：

场景1：表格标题在<caption>标签里（比如表格自带标题）

from bs4 import BeautifulSoup

# 读取本地的HTML文件
with open('你的文件名.html', 'r', encoding='utf-8') as file:
    soup = BeautifulSoup(file, 'html.parser')

# 初始化Markdown表格的表头
markdown_result = "| 标题 | URL |\n|------|-----|\n"

# 遍历页面里的每一个表格
for table in soup.find_all('table'):
    # 提取表格标题，没有标题的话显示"无标题"
    table_title = table.caption.get_text(strip=True) if table.caption else "无标题"
    
    # 提取表格里的所有URL，用集合去重避免重复链接
    url_set = set()
    for link in table.find_all('a', href=True):
        url = link['href']
        url_set.add(url)
    
    # 把标题和对应的URL逐个加到Markdown表格里
    for url in url_set:
        markdown_result += f"| {table_title} | {url} |\n"

# 打印结果，或者保存到Markdown文件里
print(markdown_result)
# 保存到本地文件
with open('整理结果.md', 'w', encoding='utf-8') as md_file:
    md_file.write(markdown_result)

场景2：表格标题在表格上方的标题标签里（比如<h2>/<h3>）

如果你的标题不是表格自带的，而是表格前面的<h2>（比如示例里的"Windows"是一个<h2>），那把提取标题的部分改一下就行：

from bs4 import BeautifulSoup

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

markdown_result = "| 标题 | URL |\n|------|-----|\n"

for table in soup.find_all('table'):
    # 找表格前面最近的<h2>标签作为标题，你可以改成h3/h4对应自己的结构
    title_tag = table.find_previous('h2')
    table_title = title_tag.get_text(strip=True) if title_tag else "无标题"
    
    # 下面提取URL的部分和上面一样
    url_set = set()
    for link in table.find_all('a', href=True):
        url_set.add(link['href'])
    
    for url in url_set:
        markdown_result += f"| {table_title} | {url} |\n"

print(markdown_result)
# 保存到文件
with open('整理结果.md', 'w', encoding='utf-8') as md_file:
    md_file.write(markdown_result)

一些适配小技巧 #

• 如果你的URL只在表格的某一列里（比如只有第二列有链接），可以把table.find_all('a')改成table.find_all('td', class_='url-column')（替换成你实际的类名）再找链接，更精准。
• 如果不需要去重，把set()改成普通列表就行。
• 遇到中文乱码的话，确保打开文件时指定了encoding='utf-8'，这个很重要！

内容的提问来源于stack exchange，提问作者user9796664