python - html转文本使用python语言

Question

import urllib2

from BeautifulSoup import *

resp = urllib2.urlopen("file:///D:/sample.html")

rawhtml = resp.read()

resp.close()
print rawhtml

我正在使用此代码从 html 文档中获取文本，但它也为我提供了 html 代码。我应该怎么做才能仅从 html 文档中获取文本？

Answer 1

请注意，您的示例没有使用 Beautifulsoup。查看doc ，并遵循示例。

以下示例取自上面的链接，搜索 soup对于 <td>元素。

import urllib2
from BeautifulSoup import BeautifulSoup

page = urllib2.urlopen("http://www.icc-ccs.org/prc/piracyreport.php")
soup = BeautifulSoup(page)
for incident in soup('td', width="90%"):
    where, linebreak, what = incident.contents[:3]
    print where.strip()
    print what.strip()
    print