如何使用 python 從 HTML 中提取數據？

Question

如何從 html 中提取數據？

from urllib.request import urlopen
url = 'http://book.ponniyinselvan.in/part-1/chapter-1.html'
page = urlopen(url)

getting HTTPError: HTTP Error 403: Forbidden

我正在嘗試將數據提取到 CSV 文件中。

Answer 1

您可以使用此示例如何將文本保存到 CSV 文件中：

import csv
import requests
from bs4 import BeautifulSoup

url = "http://book.ponniyinselvan.in/part-1/chapter-1.html"

with open("data.csv", "w") as f_out:
    writer = csv.writer(f_out)

    soup = BeautifulSoup(requests.get(url).content, "html.parser")
    text = soup.section.get_text(strip=True, separator="\n")

    writer.writerow(["Chapter", "Text"])
    writer.writerow([1, text])

保存data.csv （來自 LibreOffice 的屏幕截圖）：