Bagaimana untuk membaca kandungan teks dalam fail html

Untuk membaca kandungan teks dalam fail HTML, lakukan langkah berikut: Muatkan fail HTML Parsing HTML Ekstrak teks menggunakan atribut teks atau kaedah get_text() Pilihan: Bersihkan teks (buang ruang putih, aksara khas dan tukar kepada huruf kecil) Keluarkan teks ( Cetak, tulis ke fail, dll.)

Cara membaca kandungan teks dalam fail HTML

Untuk mengekstrak kandungan teks daripada fail HTML, anda boleh menggunakan langkah berikut:

1. Muatkan fail HTML

import requests

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

2. Parse HTML

from bs4 import BeautifulSoup

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

3 Ekstrak kandungan teks

Terdapat dua cara untuk mengekstrak kandungan teks:

>Use kod teks. > atribut:
• Ekstrak kandungan teks dalam tag HTML Semua teks, termasuk label itu sendiri. text 属性：提取 HTML 标签内的所有文本，包括标签本身。

text = soup.text

• 使用 get_text()

  text = soup.get_text()

Gunakan kaedah get_text():

Ekstrak teks dalam teg HTML, tetapi abaikan teg itu sendiri. . aksara:

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

Tukar kepada huruf kecil:

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

5 Keluaran kandungan teks

• Anda boleh mengeluarkan kandungan teks dalam pelbagai cara:

:

• rreeee

Tulis Fail:

text = text.lower()

Atas ialah kandungan terperinci Bagaimana untuk membaca kandungan teks dalam fail html. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!