Python怎么样提取html中文本到txt

 

本文主要介绍了Python如何提取html中文本到txt问题，具有很好的参考价值，希望对大家有所帮助。

Python提取html中文本到txt

正则去标签方式

1 2 3 4 5 6

# -*- coding: utf-8 -*- import re def html_tag_rm(content: str):     dr = re.compile(r'<[^>]+>',re.S)     return dr.sub('',content)

nltk

比较笨重

需要安装依赖 nltk, numpy, pyyaml

1 2 3 4 5 6

# -*- coding: utf-8 -*- import nltk def html_tag_rm(content: str):     return nltk.clean_html(content)

htmlParser

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 <