我发现
HTMLParserxml.minidom我会推荐lxml。我喜欢 BeautifulSoup，但通常存在维护问题以及与更高版本的兼容性问题。我一直很高兴使用 lxml。
后期：最好推荐使用lxml、html5lib或者BeautifulSoup 3.0.8。 BeautifulSoup 3.1.x 适用于 python 3.x，并且已知在较早的 python 版本中存在问题，如 BeautifulSoup 网站上所述。
Ian Bicking 有一篇关于使用 lxml 的好文章。
ElementTree是进一步推荐，但我没用过
2012-01-18：有人过来并决定对我和 Bartosz 投反对票，因为我们推荐的 python 包很容易获得，但不是 python 发行版的一部分。所以对于高度文字化的 StackOverflowers：“你可以使用 xml.dom.minidom，但没有人会推荐这个替代品。”
BeautifulSoup 和 lxml 很棒，但这里不是合适的答案，因为问题是关于内置的。下面是一个使用内置 minidom 模块解析 HTML 字符串的示例。使用 cPython 3.5.2 测试：
from xml.dom.minidom import parseString
html_string = """
<!DOCTYPE html>
<html><head><title>title</title></head><body><p>test</p></body></html>
"""
# extract the text value of the document's <p> tag:
doc = parseString(html_string)
paragraph = doc.getElementsByTagName("p")[0]
content = paragraph.firstChild.data
print(content)
但是，如 Jesse Hogan 的 comment 所示，这将在 mindom 无法识别的 HTML 实体上失败。这是使用 Python3 html.parser 模块的更新解决方案：
from html.parser import HTMLParser
html_string = """
<!DOCTYPE html>
<html><head><title>title</title></head><body><p> test</p><div>not in p</div></body></html>
"""
class Parser(HTMLParser):
def __init__(self):
HTMLParser.__init__(self)
self.in_p = []
def handle_starttag(self, tag, attrs):
if (tag == 'p'):
self.in_p.append(tag)
def handle_endtag(self, tag):
if (tag == 'p'):
self.in_p.pop()
def handle_data(self, data):
if self.in_p:
print("<p> data :", data)
parser = Parser()
parser.feed(html_string)
看看BeautifulSoup。它很受欢迎，并且擅长解析 HTML。
要处理 DOM 对象，您可以使用 HTMLDOM for python。
有一个技巧只使用 python3 内置函数 (3.4+)
使用
html.unescapehtml.escape<>"&#! /usr/bin/python3
import re
import xml.dom.minidom
from html import escape, unescape
def minidom_parseHtml(text: str):
"parse html text with non-xml html-entities as minidom"
textXML = re.sub("\\&\\w+\\;", lambda x: escape(unescape(x.group(0))), text)
return xml.dom.minidom.parseString(textXML)