用python爬取文本信息（python爬取文章內容）

本文目錄一覽：

• 1、python文本爬蟲求教
• 2、python怎樣抓取網頁中的文字和數字數據
• 3、如何用Python requests 爬取網頁所有文字？
• 4、python怎麼抓取網頁中DIV的文字
• 5、如何用Python爬取出HTML指定標籤內的文本？
• 6、用python讀取文本文件，對讀出的每一行進行操作，這個怎麼寫？

python文本爬蟲求教

看你提問似乎你已經能夠拿到所有章節的 url 了？那麼直接提取章節正文就可以了

用 requests 和 pyquery 兩個庫：

第一步：構造網路請求，獲得網頁內容：

import requests

from pyquery import PyQuery as pq

r = requests.get(“”)

cont = r.content

第二步：解析網頁內容：

簡單粗暴的辦法：text = pq(cont).text()

第一行就是標題，餘下的就是正文。

python怎樣抓取網頁中的文字和數字數據

以下代碼在 py2 下運行通過：

import urllib2

req = urllib2.Request(”)  # 創建一個 Requset 對象

response = urllib2.urlopen(req)  # 調用 urlopen

the_page = response.read()  # 返回一個 response 對象 在 response 中調用 read()

print the_page

運行效果：

如何用Python requests 爬取網頁所有文字？

您可以用requests庫的get方法，以請求的網址為參數，獲取網頁所有html代碼，再訪問結果是text屬性即可。

python怎麼抓取網頁中DIV的文字

1、編寫爬蟲思路：

確定下載目標，找到網頁，找到網頁中需要的內容。對數據進行處理。保存數據。

2、知識點說明：

1）確定網路中需要的信息，打開網頁後使用F12打開開發者模式。

在Network中可以看到很多信息，我們在頁面上看到的文字信息都保存在一個html文件中。點擊文件後可以看到response，文字信息都包含在response中。

對於需要輸入的信息，可以使用ctrl+f，進行搜索。查看信息前後包含哪些特定欄位。

對於超鏈接的提取，可以使用最左邊的箭頭點擊超鏈接，這時Elements會打開有該條超鏈接的信息，從中判斷需要提取的信息。從下載小說來看，在目錄頁提取出小說的鏈接和章節名。

2）注意編碼格式

輸入字符集一定要設置成utf-8。頁面大多為GBK字符集。不設置會亂碼。

如何用Python爬取出HTML指定標籤內的文本？

你好！

可以通過lxml來獲取指定標籤的內容。

#安裝lxml

pip install lxml

import requests

from lxml import html

def getHTMLText(url):

    ….

etree = html.etree

root = etree.HTML(getHTMLText(url))

#這裡得到一個表格內tr的集合

trArr  = root.xpath(“//div[@class=’news-text’]/table/tbody/tr”);

#循環顯示tr裡面的內容

for tr in trArr:

    rank = tr.xpath(“./td[1]/text()”)[0]

    name = tr.xpath(“./td[2]/div/text()”)[0]

    prov = tr.xpath(“./td[3]/text()”)[0]

    strLen = 22-len(name.encode(‘GBK’))+len(name)

    print(‘排名：{:3},   學校名稱：{:{}}\t，   省份：{}’.format(rank,name,strLen,prov))

希望對你有幫助！

用python讀取文本文件，對讀出的每一行進行操作，這個怎麼寫？

用python讀取文本文件，對讀出的每一行進行操作，寫法如下：

f = open(“test.txt”, “r”)

while True:

line = f.readline()

if line:

pass    # do something here

line=line.strip()

p=line.rfind(‘.’)

filename=line[0:p]

print “create %s”%line

else:

break

f.close()

擴展資料：

Python將txt文件讀取到一個字元串里的操作方法如下：

1、首先，添加Python文件和文本文件以在vscode中讀取，如下圖所示。

2、其次，完成上述步驟後，在txt文件中寫入一些內容以用於內容讀取，只需將其寫入即可，如下圖所示。

3、接著，完成上述步驟後，必須導入os文件，以便可以在os中調用某些文件操作方法，如下圖所示。

4、然後，完成上述步驟後，打開要讀取的文件，並將讀取的內容數據複製到字元串中，如下圖所示。

5、隨後，完成上述步驟後，列印字元串以顯示內容，以方便參考，如下圖所示。

6、接著，完成上述步驟後，運行jy.py文件，該文件將開始讀取和列印內容，如下圖所示。

7、最後，完成上述步驟後，可以看到已讀取txt文件的內容，如下圖所示。