如何讀取html檔案中的文字內容

要讀取HTML 檔案中的文字內容，請執行下列步驟：載入HTML 檔案解析HTML使用text 屬性或get_text() 方法來擷取文字可選：清理文字（刪除空白、特殊字元和轉換小寫）輸出文字（列印、寫入檔案等）

#如何讀取HTML 檔案中的文字內容

#若要從HTML 檔案中擷取文字內容，可以使用下列步驟：

1.載入HTML 檔案

import requests

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

2.解析HTML

from bs4 import BeautifulSoup

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

3. 提取文字內容

有兩種方法可以提取文字內容：

• 使用text
屬性：

提取HTML 標籤內的所有文本，包括標籤本身。

• text = soup.text

使用

get_text()

方法：
• 提取 HTML 標籤內的文本，但會忽略標籤本身。

  text = soup.get_text()

4. 清理文字內容（可選）

#如果需要進一步清理文字內容，可以執行以下操作：

刪除空白字元：

• text = text.replace(' ', '')

刪除特殊字元：

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

## #轉換為小寫：#########

text = text.lower()

######5.輸出文字內容#########可以透過多種方式輸出文字內容：###### ######列印到控制台：#########

print(text)

##########寫入檔案：#########

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

以上是如何讀取html檔案中的文字內容的詳細內容。更多資訊請關注PHP中文網其他相關文章！