从.html文件中提取文本，删除HTML，并使用Python和美丽的汤写入文本文件

Question

我使用美丽的汤4从HTML文件中提取文本，并使用get_text()我可以轻松地提取文本，但现在我试图将该文本写入纯文本文件，当我这样做时，我收到消息“416”。下面是我使用的代码：

from bs4 import BeautifulSoup 
markup = open("example1.html") 
soup = BeautifulSoup(markup) 
f = open("example.txt", "w") 
f.write(soup.get_text()) 

和输出到控制台是416，但没有被写入到文本文件中。我哪里错了？

Answer 1

您需要将文本发送到BeautifulSoup类。也许尝试markup.read()

from bs4 import BeautifulSoup 
markup = open("example1.html") 
soup = BeautifulSoup(markup.read()) 
markup.close() 
f = open("example.txt", "w") 
f.write(soup.get_text()) 
f.close() 

，并在更Python风格

from bs4 import BeautifulSoup 

with open("example1.html") as markup: 
    soup = BeautifulSoup(markup.read()) 

with open("example.txt", "w") as f: 
    f.write(soup.get_text()) 

为@bernie建议