PYthon 转换HTML到Text纯文本

Wally_Yu

于 2012-08-10 16:50:56 发布

阅读量1.7w

点赞数

CC 4.0 BY-SA版权

分类专栏： Python 文章标签： html python import blog file 测试

本文链接：https://blog.youkuaiyun.com/quicktest/article/details/7852336

本文介绍了如何使用Python将HTML文件转换为纯文本。提供了两种方法，包括依赖nltk库的方法和自定义代码的方法，旨在帮助开发者高效提取HTML中的文本内容。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

今天项目需要将HTML转换为纯文本，去网上搜了一下，发现Python果然是神通广大，无所不能，方法是五花八门。。。

拿今天亲自试的两个方法举例，以方便后人：

方法一：

1. 安装nltk，可以去pipy装

（注：需要依赖以下包：numpy, PyYAML）

2.测试代码：

>>> import nltk
>>> aa = r'''
<html>
            <body>
                <b>Project:</b> DeHTML<br>
                <b>Description</b>:<br>
                This small script is intended to allow conversion from HTML markup to 
                plain text.
            </body>
        </html>
        '''
>>> aa
'\n<html>\n            <body>\n                <b>Project:</b> DeHTML<br>\n                <b>Description</b>:<br>\n                This small script is intended to allow conversion from HTML markup to

最低0.47元/天解锁文章