Python-蚊子提取

从指定网页（  https://www.wenanwang.com/lz/）提取文本内容，并将其以段落的形式保存到一个word文档（output.docx）中。

1.导入requests库，用于发送HTTP请求。
  从bs4库导入BeautifulSoup，用于解析HTML
  导入了Document类，该类是python-docx库中的一个类，用于创建和操作Word文档
import requests
from bs4 import BeautifulSoup
from docx import Document


url='https://www.wenanwang.com/lz/1764.html'

2.使用requests.get方法发送GET请求到指定的URL，并将响应对象存储在变量res中。
res=requests.get(url=url)

3.设置响应对象的编码为utf-8
res.encoding='utf-8'

4.获取响应对象的文本内容，并存储在变量text中。
text=res.text

5.使用BeautifulSoup解析器解析响应的文本内容，并创建BeautifulSoup对象。
soup=BeautifulSoup(text,'html.parser')

6.在解析后的HTML中找到所有的<div class="content">标签，并获取其第一个元素的下一个所有<p>标签。结果存储在变量lis中。
lis=soup.find_all('div','content')[0].find_all_next('p')

7.创建Word文档，并将每个段落添加到文档中
doc = Document()
for li in lis:
    doc.add_paragraph(li.text)

8.保存 Word 文档
doc.save('output.docx')

from docx import Document

从docx模块中导入Document类。这样，您就可以在您的代码中使用这个类来创建Word文档，添加内容，保存文档等。

例如，使用这个库，您可以轻松地创建一个新的Word文档：

from docx import Document  
  
doc = Document()  
  
doc.add_paragraph('Hello, World!')  
doc.save('hello_world.docx')