python - 从 .html 文件中提取文本，删除 HTML，并使用 Python 和 Beautiful Soup 写入文本文件

Question

我正在使用 Beautiful Soup 4 从 HTML 文件中提取文本，并使用 get_text() 我可以轻松地仅提取文本，但现在我正在尝试将该文本写入普通文件文本文件，当我这样做时，我收到消息“416”。这是我正在使用的代码:

from bs4 import BeautifulSoup
markup = open("example1.html")
soup = BeautifulSoup(markup)
f = open("example.txt", "w")
f.write(soup.get_text())

控制台的输出是 416 但没有任何内容写入文本文件。我哪里做错了？

Answer 1

您需要将文本发送到 BeautifulSoup 类。也许试试 markup.read()

from bs4 import BeautifulSoup
markup = open("example1.html")
soup = BeautifulSoup(markup.read())
markup.close()
f = open("example.txt", "w")
f.write(soup.get_text())
f.close()

更像 python 风格

from bs4 import BeautifulSoup

with open("example1.html") as markup:
    soup = BeautifulSoup(markup.read())

with open("example.txt", "w") as f: 
    f.write(soup.get_text())

正如@bernie 建议的那样