python 一个HTML文件，找出正文和链接

from bs4 import BeautifulSoup
def sechBodyURL(path):
    #此处因为我的html文件编码格式为gbk，因此加了encoding
    fp=open(path,encoding='gbk',errors='ignore')
    text=BeautifulSoup(fp,'html.parser')
    urls=text.findAll('a')
    for u in urls:
        print(u['href'])
    content=text.get_text().strip()
    print(content)
    return content
sechBodyURL('20test.html')

运行结果如下，中文存在乱码，是因为原html文件编码问题

引用https://blog.csdn.net/qq_35614920/article/details/76746902