python - 使用 Python 从 Wikipedia html 中提取文本

Question

我正在尝试寻找一种使用 python 提取维基百科文章正文的方法。我知道“wikipedia”库，但就我而言，我已经下载了 html 页面，我只需要提取文本。我无法使用该库，因为我需要使用几年前下载的维基百科页面 html，所以我无法从头开始下载它。

是否有“现成的”解决方案可供我用于此目的？

Answer 1

尝试BeautifulSoup:

from bs4 import BeautifulSoup
import requests

respond = requests.get("http://pl.wikipedia.org/wiki/StackOverflow")
soup = BeautifulSoup(respond.text)
l = soup.find_all('p')
print l[0].text