使用BeautifulSoup去除URL标签

最新推荐文章于 2023-09-21 10:07:20 发布

原创最新推荐文章于 2023-09-21 10:07:20 发布 · 2.7k 阅读

1 ·

CC 4.0 BY-SA版权

技术之路专栏收录该内容

63 篇文章

订阅专栏

本文介绍了一种利用Python中的BeautifulSoup库去除文本中URL标签的方法。通过读取文件内容并解析HTML，提取纯文本信息，最后将处理后的文本写入新文件。此过程展示了如何高效地去除URL等HTML元素。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

使用BeautifulSoup去除URL标签

原始的文本信息如下图：

处理后的文本信息如下图：

处理代码如下，python 3.5

# encoding = utf-8
from bs4 import BeautifulSoup
import time
import string
t1 = time.time()
f = open('undergraduatePOI.txt','rb')
result = ''
for eachLine in f:
    t = eachLine.strip().decode('utf8')
    soup = BeautifulSoup(t)
    string = soup.get_text()
    print(string)
    result +="\n"+str(string)
f = open('Puser2.txt', "w", encoding='utf-8')
f.write(result)
f.close()
print("\n"+">>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>"+"\n"+"打印完毕")
t2 = time.time()
print("去除URL用时："+str(t2-t1)+"秒")