浏览器构建dom树而非直接提供文档字符串，提取内容需通过document api查询节点获取innertext、innerhtml或属性值，注意判空、xss风险及动态渲染影响。
浏览器本身不“读取文档内容”供你直接拿字符串用，它构建的是 DOM 树；你要提取内容，得基于这个树结构去查节点、取文本或 innerHTML —— 不是解析引擎在帮你“读”，是你在用 JS 或服务端库去“问”它要什么。
浏览器里用 document API 提取标题、正文、描述
这是最常见也最容易出错的场景：想拿 <title></title>、<meta name="description">、 里的纯文本。但注意：
-
document.title是最稳的，它始终返回<title></title>的文本内容（自动去标签、解码） -
document.querySelector('meta[name="description"]')可能返回null，必须判空再取.getAttribute('content') -
document.body.textContent会把所有脚本、样式、注释里的文字也拼进去，不是“正文”而是“所有可见文本” - 如果页面用了 SSR 或动态渲染，
document.body.innerHTML才反映当前真实 HTML 结构，textContent无法还原标签语义
Python 用 BeautifulSoup 解析本地或响应 HTML
服务端或爬虫场景下，你拿到的是原始 HTML 字节流，BeautifulSoup 是最容错的选择，但它对编码和解析器很敏感：
- 永远优先用
response.content（bytes）而非response.text初始化BeautifulSoup，否则 UTF-8 页面可能乱码 - 显式指定解析器：
BeautifulSoup(html, 'lxml')比默认'html.parser'更准、更快，尤其对破损 HTML - 提取标题别只写
soup.title.string，要加if soup.title and soup.title.string判空，否则抛AttributeError - 取 meta 描述时，用
soup.find('meta', attrs={'name': 'description'})，不能只靠name='description'—— 属性名大小写敏感，且有些页面用property="og:description"
用 html.parser 自定义解析逻辑（无第三方依赖）
当你不能装包、又需要轻量可控的解析时，Python 内置的 html.parser 是底线选择，但它不建 DOM 树，只发事件：
- 必须继承
HTMLParser，重写handle_starttag、handle_data等方法，自己维护状态栈来识别嵌套层级 - 遇到自闭合标签（如
<meta>）时，handle_starttag和handle_endtag不会成对触发，得在handle_starttag里主动检查attrs判断是否含content - 它不处理实体（如
handle_data返回的是原样字符串，需额外调用html.unescape() - 没有 CSS 选择器，想定位
<div class="article">，只能靠在 <code>handle_starttag里手动比对tag == 'div'和dict(attrs).get('class') == 'article'真正容易被忽略的是：无论用哪种方式，“解析 HTML 内容”从来不是一锤子买卖。标题可能被 JS 动态改写，meta 描述可能藏在异步加载的模板里，正文可能由 Web Component 渲染后才注入 DOM —— 你得先确认目标内容在哪个阶段存在，再选对应手段。硬套
document.querySelector或soup.find而不验证上下文，90% 的失败都发生在这里。
