如何读取html文件中的文字内容

百变鹏仔 3个月前 (09-21) #HTML

文章标签文字

要读取 html 文件中的文字内容，请执行以下步骤：加载 html 文件解析 html使用 text 属性或 get_text() 方法提取文本可选：清理文本（删除空白、特殊字符和转换小写）输出文本（打印、写入文件等）

如何读取 HTML 文件中的文字内容

要从 HTML 文件中提取文字内容，可以使用以下步骤：

1. 加载 HTML 文件

import requestsurl = 'https://example.com'response = requests.get(url)

2. 解析 HTML

立即学习“前端免费学习笔记（深入）”；

from bs4 import BeautifulSoupsoup = BeautifulSoup(response.text, 'html.parser')

3. 提取文字内容

有两种方法可以提取文字内容：

text = soup.text

text = soup.get_text()

4. 清理文本内容（可选）

如果需要进一步清理文本内容，可以执行以下操作：

text = text.replace(' ', '')

import stringtext = text.translate(str.maketrans('', '', string.punctuation))

text = text.lower()

5. 输出文本内容

可以通过多种方式输出文本内容：

print(text)

with open('output.txt', 'w') as f:    f.write(text)

文章推荐