使用BeautifulSoup库从HTML文档中获取所有的邮件地址

BeautifulSoup是一个用于解析HTML和XML文档的Python库。它提供了一种简单而灵活的方式，可以从文档中提取出所需的数据。

演示例子：

假设我们有一个包含邮件地址的HTML文档，我们想要使用BeautifulSoup库从中获取所有的邮件地址。

首先，我们需要安装BeautifulSoup库。可以使用以下命令来安装：

pip install beautifulsoup4

安装完成后，我们可以开始编写代码。

首先，导入需要的库：

from bs4 import BeautifulSoup
import re

接下来，我们需要打开HTML文件并读取其中的内容：

with open('email.html', 'r') as file:
    content = file.read()

然后，我们使用BeautifulSoup将内容解析为一个BeautifulSoup对象：

soup = BeautifulSoup(content, 'html.parser')

接下来，我们可以使用BeautifulSoup提供的功能来提取出邮件地址。在HTML中，邮件地址通常以类似于<a href="mailto:example@example.com">example@example.com</a>的形式出现。我们可以使用正则表达式来匹配这种模式：

pattern = re.compile(r'[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+')

然后，我们可以使用find_all函数来找到所有匹配的标签，并提取出其中的邮件地址：

emails = []
for tag in soup.find_all('a', href=True):
    if re.match(pattern, tag['href'].replace('mailto:', '')):
        emails.append(tag['href'].replace('mailto:', ''))

最后，我们可以打印出所有提取到的邮件地址：

for email in emails:
    print(email)

完整代码如下：

from bs4 import BeautifulSoup
import re

with open('email.html', 'r') as file:
    content = file.read()

soup = BeautifulSoup(content, 'html.parser')

pattern = re.compile(r'[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+')

emails = []
for tag in soup.find_all('a', href=True):
    if re.match(pattern, tag['href'].replace('mailto:', '')):
        emails.append(tag['href'].replace('mailto:', ''))

for email in emails:
    print(email)

这样，我们就可以从HTML文档中提取出所有的邮件地址了。使用BeautifulSoup库可以方便快捷地解析HTML文档，并提取出所需的数据。