37,720
社区成员
发帖
与我相关
我的任务
分享python如何抓取网页正文内容 请指教 急 多谢
有没有现成的网页文本解析器, 来把网页的文本部分解析并打印出来呢 请给出代码
如果没有 麻烦给个好点的如何解析出网页文本内容的代码
刚学python 多指教 多谢多谢
如果没有 麻烦给个好点的如何解析出网页文本内容的代码
刚学python 多指教 多谢多谢
...全文
请发表友善的回复…
发表回复
cchb1986 2009-10-30
- 打赏
- 举报
>>> import urllib
>>> sock = urllib.urlopen("http://diveintopython.org/")
>>> htmlSource = sock.read()
>>> sock.close()
>>> print htmlSource
>>> sock = urllib.urlopen("http://diveintopython.org/")
>>> htmlSource = sock.read()
>>> sock.close()
>>> print htmlSource
非兔子_Logic0 2009-10-30
- 打赏
- 举报
有没有现成的造假币机器, 来自动打印假币啊 请免费提供一台
如果没有 麻烦给个好点的能用的好的打印机和模板
刚学造假币 多指教 多谢多谢
如果没有 麻烦给个好点的能用的好的打印机和模板
刚学造假币 多指教 多谢多谢
DarkChampion 2009-10-30
- 打赏
- 举报
好像没有现成的，需要使用正则解析
lz可以看看我的博客： 用Python提取CSDN灌水乐园的帖子
或许有帮助
lz可以看看我的博客： 用Python提取CSDN灌水乐园的帖子
或许有帮助
oldjwu 2009-10-27
- 打赏
- 举报
如果只要取得除HTML标记外的内容，按1楼的做法就可以了，如果想要取得页面正文内容，并且知道网页HTML结构，知道正文在哪一个div里，也可以用类似1楼的方法。如果是想做一种能用的方法，取得任意一篇网页的正文，那就比较麻烦，可以参考这篇文章：http://blog.csdn.net/netcpl/archive/2009/06/26/4299742.aspx。
kalos2012 2009-10-26
- 打赏
- 举报
去除所有html标记：
思路共lz参考～
import re
print re.sub(r'<(S*?)[^>]*>.*?|<.*? /> ','','<html>AAA<h1>NNNNN</h1>WWWW</html>')思路共lz参考～
