我想使用 python 捕获 html 中的一些文本。 例子..
#!/usr/bin/python
import urllib
open = urllib.urlopen('http://localhost/main.php')
read = open.read()
print read
和这个目标url的源码
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=windows-1252" />
<title>Untitled Document</title>
</head>
<body>
This is body!
</body>
</html>
如果我只想听到“This is body!”这句话怎么办？仅有的!？ 请大家帮我解决这个问题!
例如，HTML 被替换成这个:
<table width=90% align=center>
<tr>
<td>The information available on this site freely accessible to the public</td>
<tr>
</table>
<table class=adminlist border=0 width=90% cellpadding=3 cellspacing=0 align=center>
<tr>
<td rowspan=5 colspan=2><img src=images/Forum.png><br></td>
</tr>
<tr>
<td><i><b>Phone</b></td><td>: +61 2 4446 5552</td>
</tr>
<tr>
<td><i><b>Name</b></td><td>: Stundet</td>
</tr>
<tr>
<td><i><b>Class</b></td>
<td>: Summer</td>
</tr>
<tr>
<td><i><b>Email</b></td>
<td>: student@localhost.com</td>
</tr>
</table>
我想做这个输出:
Phone : +61 2 4446 5552
Name : Student
Class : Summer
Email : student@localhost.com
只捕获了 html 的核心部分.. :)
最佳答案
尝试 beautiful soup .
from BeautifulSoup import BeautifulSoup
...
soup = BeautifulSoup(html)
soup.findAll("body").string
关于python - 如何在python中获取html中的文本，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/7673007/