我想从给定的 URL 获取纯文本(例如，没有 html 标签和实体)。 我应该使用什么库来尽快做到这一点？
我已经尝试过(也许有比这更快或更好的东西):
import re
import mechanize
br = mechanize.Browser()
br.open("myurl.com")
vh = br.viewing_html
//<bound method Browser.viewing_html of <mechanize._mechanize.Browser instance at 0x01E015A8>>
谢谢
最佳答案
您可以使用HTML2Text如果该网站不适合您，您可以访问 HTML2Text github Repo并获取 Python 版本
或者试试这个:
import urllib
from bs4 import*
html = urllib.urlopen('myurl.com').read()
soup = BeautifulSoup(html)
text = soup.get_text()
print text
我不知道它是否摆脱了所有的js和东西，但它摆脱了HTML
Google 搜索一下，发现还有多个与此类似的其他问题
也可以看看 Read2Text
关于python - python获取URL的明文数据，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/17769896/