Python爬虫可用于从网页中提取文本，具体步骤包括：导入requests和BeautifulSoup库。使用requests.get()发送GET请求到目标URL。使用BeautifulSoup解析HTML响应。使用CSS选择器或XPath表达式找到包含文本的HTML元素。提取元素中的文本内容，并使用text属性获取文本。
Python 爬虫如何爬取文本
Python 爬虫是一种用于从网页中提取数据的程序。它可以用于抓取各种类型的数据，包括文本。
爬取文本的步骤：
-
导入必要的库：
立即学习“Python免费学习笔记（深入）”；
- requests 用于发送 HTTP 请求
- BeautifulSoup 用于解析 HTML 响应
import requests from bs4 import BeautifulSoup
-
获取目标网页的 HTML：
- 使用
requests.get()发送 GET 请求到目标 URL，并获取响应内容。
- 使用
url = "https://example.com/page.html" response = requests.get(url)
-
解析 HTML 响应：
- 使用 BeautifulSoup 创建一个
BeautifulSoup对象，并传入响应的内容。
- 使用 BeautifulSoup 创建一个
soup = BeautifulSoup(response.content, "html.parser")
-
找到包含文本的元素：
- 使用 CSS 选择器或 XPath 表达式找到包含所需文本的 HTML 元素。
text_element = soup.select_one("div.article-content")-
提取文本：
- 使用
text属性提取元素中的文本内容。
- 使用
text = text_element.text
示例代码：
import requests
from bs4 import BeautifulSoup
url = "https://example.com/page.html"
response = requests.get(url)
soup = BeautifulSoup(response.content, "html.parser")
text_element = soup.select_one("div.article-content")
text = text_element.text
print(text) 
