自动爬取给定的多个网址的网页内容,提取文本和标题,图片,并将标题和文本,图片存储到doc格式的文件中,直接写python代码

好的,这里是一个例子,希望能帮到你:

import requestsfrom bs4 import BeautifulSoup
from docx import Document

# 创建doc文件
document = Document()

urls = ['https://www.example1.com', 'https://www.example2.com']

# 遍历所有给定的网址
for url in urls:
    # 发送GET请求获取网页内容
    response = requests.get(url)
    # 使用BeautifulSoup解析网页
    soup = BeautifulSoup(response.text, 'html.parser')

    # 提取网页标题
    title = soup.title.string

    # 提取网页文本
    text = soup.get_text()

    # 提取网页中的图片
    images = []
    for img in soup.find_all('img'):
        images.append(img.get('src'))

    # 将标题和文本添加到doc文件中
    document.add_heading(title, level=1)
    document.add_paragraph(text)

    # 将图片添加到doc文件中
    for image in images:
        document.add_picture(image)

# 保存doc文件
document.save('output.docx')

希望这能帮到你!

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值