python文本提取_使用Python从HTML文件中提取文本
翻翻過去那場雪
我發(fā)現(xiàn)最好的一段代碼用于提取文本,而不需要javascript或不需要的東西:import?urllibfrom?bs4?import?BeautifulSoupurl?=?"http://news.bbc.co.uk/2/hi/health/2284783.stm"html?=?urllib.urlopen(url).read()soup?=?BeautifulSoup(html)#?kill?all?script?and?style?elementsfor?script?in?soup(["script",?"style"]):
????script.extract()????#?rip?it?out#?get?texttext?=?soup.get_text()#?break?into?lines?and?remove?leading?and?trailing?space?on?eachlines?=?(line.strip()?for?line?in?text.splitlines())#?break?multi-headlines?into?a?line?eachchunks?=?(phrase.strip()?for?line?in?lines?for?phrase?in?line.split("??"))#?drop?blank?linestext?=?'\n'.join(chunk?for?chunk?in?chunks?if?chunk)print(text)你只需先安裝BeautifulSoup:pip?install?beautifulsoup4
總結
以上是生活随笔為你收集整理的python文本提取_使用Python从HTML文件中提取文本的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: android开发入门与实践_Elect
- 下一篇: python库怎么学啊最好_最常用的几个