如何用Python从HTML中提取指定文本？

1. 先安装必要库 #

打开终端执行以下命令：

pip install beautifulsoup4 lxml

2. 修改代码实现文本提取 #

基于你现有的代码，加入BeautifulSoup的解析逻辑，以下是完整示例：

from urllib.request import urlopen
from bs4 import BeautifulSoup

url = input('Please enter the URL to get the HTML from:')

if url:
    response = urlopen(url)
    html = response.read()
    # 用lxml解析器处理HTML
    soup = BeautifulSoup(html, 'lxml')
    
    # 方法1：提取页面所有纯文本（自动过滤标签）
    full_text = soup.get_text(strip=True)
    print("页面所有文本：")
    print(full_text)
    
    # 方法2：精准提取目标文本（需定位对应HTML元素）
    # 假设目标文本在帖子内容对应的div中，可根据实际HTML结构调整属性
    target_element = soup.find('div', class_='userContent')
    if target_element:
        print("\n提取到的目标文本：")
        print(target_element.get_text(strip=True))

关键说明 #

• BeautifulSoup(html, 'lxml')：将获取到的HTML字符串转换成可操作的解析对象
• get_text(strip=True)：移除HTML标签提取纯文本，strip=True会自动清理多余的换行和空格
• find()：根据标签名、class/id等属性定位特定元素，如果你能找到目标文本对应的HTML结构，用这个方法能实现精准提取

内容的提问来源于stack exchange，提问作者José A.