要读取 HTML 文件中的文字内容，请执行以下步骤：加载 HTML 文件解析 HTML使用 text 属性或 get_text() 方法提取文本可选：清理文本（删除空白、特殊字符和转换小写）输出文本（打印、写入文件等）
如何读取 HTML 文件中的文字内容
要从 HTML 文件中提取文字内容，可以使用以下步骤：
1. 加载 HTML 文件
import requests url = 'https://example.com' response = requests.get(url)
2. 解析 HTML
立即学习“前端免费学习笔记（深入）”；
from bs4 import BeautifulSoup soup = BeautifulSoup(response.text, 'html.parser')
3. 提取文字内容
有两种方法可以提取文字内容：
-
使用
text属性：提取 HTML 标签内的所有文本，包括标签本身。
text = soup.text
-
使用
get_text()方法：提取 HTML 标签内的文本，但会忽略标签本身。
text = soup.get_text()
4. 清理文本内容（可选）
如果需要进一步清理文本内容，可以执行以下操作：
- 删除空白字符：
text = text.replace(' ', '')- 删除特殊字符：
import string
text = text.translate(str.maketrans('', '', string.punctuation))- 转换为小写：
text = text.lower()
5. 输出文本内容
可以通过多种方式输出文本内容：
- 打印到控制台：
print(text)
- 写入文件：
with open('output.txt', 'w') as f:
f.write(text) 
