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，并且使用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纯文本文件，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。我哪里出错了？

Answer 1

您需要向BeautifulSoup班级发送文本。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()

并以更pythonic的风格

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