使用 Python 爬虫时，保留网页文本而不包含 HTML 标签的方法有两种：使用 BeautifulSoup 库，调用其 get_text() 方法获取文本内容。使用正则表达式匹配并替换 HTML 标签，提取纯文本内容。
Python 爬虫只保留文字的方法
在使用 Python 爬虫抓取网页内容时，有时我们会希望只保留文本部分，去除 HTML 标签和样式等不必要的元素。本文介绍了两种常用的方法来实现这一目标。
1. 使用 BeautifulSoup
BeautifulSoup 是一个流行的 Python HTML 解析库，它可以方便地从 HTML 文档中提取文本。
立即学习“Python免费学习笔记（深入）”；
<code class="python">from bs4 import BeautifulSoup # 创建 BeautifulSoup 对象 soup = BeautifulSoup(html_content, "html.parser") # 提取文本内容 text = soup.get_text()</code>
2. 使用正则表达式
正则表达式是一种用于匹配字符串的强大工具。我们可以使用正则表达式来从 HTML 内容中提取文本。
<code class="python">import re # 定义正则表达式模式 pattern = re.compile(r"<.*?>") # 匹配并替换 HTML 标签 text = re.sub(pattern, "", html_content)</code>
比较
选择哪种方法取决于具体需求和对 HTML 结构的熟悉程度。
以上就是python爬虫怎么只保留文字的详细内容，更多请关注php中文网其它相关文章！
python怎么学习？python怎么入门？python在哪学？python怎么学才快？不用担心，这里为大家提供了python速学教程(入门到精通)，有需要的小伙伴保存下载就能学习啦！
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号
315
收藏
