本文将指导您如何利用Python高效提取网页特定内容并生成Word文档。许多用户需要将网页数据转换为更易于阅读和编辑的Word格式。我们将使用requests、lxml和python-docx库实现这一目标，具体步骤如下：

首先，需要安装必要的Python库：requests用于获取网页内容，lxml用于解析HTML，python-docx用于创建和编辑Word文档。 使用pip安装： pip install requests lxml python-docx

Python 3.14.2

Python 3.14.2是Python编程语言在2025年12月5日发布的稳定版本，属于3.14系列的第二个维护更新。该版本包含了18项修复，重点解决了多进程、数据类及正则表达式等模块的回归问题，并修复了CVE-2025-12084等安全漏洞。此版本标志着自由线程模式（移除GIL）正式获得官方支持，是Python发展的重要里程碑。

下载

接下来，代码如下：

import requests
from lxml import etree
from docx import Document

# 请替换为实际网页链接
url = 'https://gaokao.chsi.com.cn/zsgs/zhangcheng/listVerifedZszc--i...,method-view,schId-1940.dhtml' 
response = requests.get(url)
html = response.content.decode('utf-8')
root = etree.HTML(html)

# 使用XPath提取目标div元素及其所有子节点
# 注意：此处XPath表达式需根据目标网页结构调整
content_div = root.xpath('//div[@class="content zszc-content UEditor"]')[0]
nodes = content_div.xpath('node()')

# 创建Word文档
doc = Document()

# 遍历所有子节点并写入文档
for node in nodes:
    if isinstance(node, etree._Element):
        element_html = etree.tostring(node, pretty_print=True, encoding='unicode')
        element_html = element_html.strip()
        doc.add_paragraph(element_html)
    else:
        doc.add_paragraph(node)

# 保存Word文档
doc.save('output.docx')

这段代码首先获取网页内容，然后使用lxml解析HTML，并通过XPath表达式//div[@class="content zszc-content UEditor"]定位目标div元素。 它遍历该div元素的所有子节点，并将每个节点的内容添加到Word文档中。 代码区分了元素节点和文本节点，确保正确处理不同类型的内容。 最终生成的Word文档名为output.docx。 请注意，如果目标网站有反爬虫机制，可能需要调整代码或采取其他措施。 此外，XPath表达式需要根据目标网页的HTML结构进行修改，以确保准确提取所需内容。

Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！