So lesen Sie Textinhalte in einer HTML-Datei

Um den Textinhalt in einer HTML-Datei zu lesen, führen Sie die folgenden Schritte aus: Laden Sie die HTML-Datei. Analysieren Sie den HTML-Code. Extrahieren Sie den Text mit dem Textattribut oder der get_text()-Methode. Optional: Bereinigen Sie den Text (entfernen Sie Leerzeichen und Sonderzeichen und konvertieren Sie ihn in Kleinbuchstaben) Geben Sie den Text aus (Drucken, in Dateien schreiben usw.).

1. HTML-Dateien laden

import requests

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

2. HTML analysieren

from bs4 import BeautifulSoup

soup = BeautifulSoup(response.text, 'html.parser')

3. Textinhalte extrahieren

Es gibt zwei Möglichkeiten, Textinhalte zu extrahieren:

Verwenden Sie den text</code > Attribut: <strong>Textinhalt innerhalb des HTML-Tags extrahieren. Gesamter Text, einschließlich der Beschriftung selbst. </strong></p><div class="code" style="position:relative; padding:0px; margin:0px;"><pre class='brush:php;toolbar:false;'>text = soup.text</pre><div class="contentsignin">Nach dem Login kopieren</div></div><p><strong></strong>Verwenden Sie die Methode <code>get_text():

Extrahieren Sie den Text innerhalb des HTML-Tags, ignorieren Sie jedoch das Tag selbst.

text = soup.get_text()

• 4. Textinhalt bereinigen (optional) text 属性：提取 HTML 标签内的所有文本，包括标签本身。

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

• 使用 get_text()Wenn Sie den Textinhalt weiter bereinigen müssen, können Sie die folgenden Vorgänge ausführen:

Leerzeichen entfernen:

import string

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

• Sonderzeichen entfernen Zeichen:

text = text.lower()

• In Kleinbuchstaben umwandeln:

print(text)

5. Textinhalt ausgeben
• Sie können Textinhalte auf viele Arten ausgeben:

Auf der Konsole drucken:

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

• Datei schreiben:
rrreee

Das obige ist der detaillierte Inhalt vonSo lesen Sie Textinhalte in einer HTML-Datei. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!