python读取txt文件分词_python实现的读取网页并分词功能示例

本文实例讲述了python实现的读取网页并分词功能。分享给大家供大家参考,具体如下:

或点击此处本站下载jieba库。

代码:

import requests

from bs4 import BeautifulSoup

import jieba

# 获取html

url = "http://finance.ifeng.com/a/20180328/16049779_0.shtml"

res = requests.get(url)

res.encoding = 'utf-8'

content = res.text

# 添加至bs4

soup = BeautifulSoup(content, 'html.parser')

div = soup.find(id = 'main_content')

# 写入文件

filename = 'news.txt'

with open(filename,'w',encoding='utf-8') as file_object:

#

标签的处理

for line in div.findChildren():

file_object.write(line.get_text()+'\n')

# 使用分词工具

seg_list = jieba.cut("我来到北京清华大学", cut_all=True)

print("Full Mode: " + "/ ".join(seg_list)) # 全模式

seg_list = jieba.cut("我来到北京清华大学", cut_all=False)

print("Default Mode: " + "/ ".join(seg_list)) # 精确模式

seg_list = jieba.cut("他来到了网易杭研大厦") # 默认是精确模式

print(", ".join(seg_list))

with open(filename,'r',encoding='utf-8') as file_object:

with open('cut_news.txt','w',encoding='utf-8') as file_cut_object:

for line in file_object.readlines():

seg_list = jieba.cut(line,cut_all=False)

file_cut_object.write('/'.join(seg_list))

爬取结果:

分词结果:

希望本文所述对大家Python程序设计有所帮助。

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