如何读取 HTML 文件中的文字内容

要从 HTML 文件中提取文字内容，可以使用以下步骤：

1. 加载 HTML 文件

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

2. 解析 HTML

from bs4 import BeautifulSoupsoup = BeautifulSoup(response.text, 'html.parser')

3. 提取文字内容

有两种方法可以提取文字内容：

• 使用 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() 方法：提取 HTML 标签内的文本，但会忽略标签本身。

text = soup.get_text()

4. 清理文本内容（可选）

如果需要进一步清理文本内容，可以执行以下操作：

• 删除空白字符：

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

• 删除特殊字符：

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

• 转换为小写：

text = text.lower()

5. 输出文本内容

可以通过多种方式输出文本内容：

• 打印到控制台：

print(text)

• 写入文件：

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

以上就是如何读取html文件中的文字内容的详细内容，更多请关注css网站其它相关文章！