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

<code class="python">import requests

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

2. Parse HTML

<code class="python">from bs4 import BeautifulSoup

soup = BeautifulSoup(response.text, 'html.parser')</code>

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。

<code class="python">text = soup.text</code>

• 使用 get_text()

  <code class="python">text = soup.get_text()</code>

Gunakan kaedah get_text():

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

<code class="python">text = text.replace(' ', '')</code>

Tukar kepada huruf kecil:

• <code class="python">import string
  
  text = text.translate(str.maketrans('', '', string.punctuation))</code>

5 Keluaran kandungan teks

• Anda boleh mengeluarkan kandungan teks dalam pelbagai cara:

:

• rreeee

Tulis Fail:

<code class="python">text = text.lower()</code>

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!