要提取小說(shuō)正文內(nèi)容可以使用Python中的BeautifulSoup庫(kù),。以下是一些提取小說(shuō)正文內(nèi)容的步驟:
1 使用BeautifulSoup庫(kù)加載小說(shuō)網(wǎng)頁(yè)。可以使用Python中的requests庫(kù)發(fā)起HTTP請(qǐng)求獲取小說(shuō)網(wǎng)頁(yè)的HTML代碼。 2 使用BeautifulSoup庫(kù)的soup對(duì)象遍歷HTML代碼中的每一行。可以通過(guò)find_all()方法找到所有的段落然后使用段落對(duì)象的next()方法進(jìn)一步獲取正文內(nèi)容。 3 使用BeautifulSoup庫(kù)的get()方法獲取段落對(duì)象并獲取正文內(nèi)容,。 以下是一個(gè)示例代碼可以提取小說(shuō)正文內(nèi)容: ```python import requests from bs4 import BeautifulSoup url = https://examplecom/novelhtml response = requestsget(url) soup = BeautifulSoup(responsetext htmlparser) 段落s = soupfind_all(p) for 段落 in 段落s: content = 段落get(content) print(content) ``` 在這個(gè)示例代碼中我們使用requests庫(kù)發(fā)起HTTP請(qǐng)求獲取小說(shuō)網(wǎng)頁(yè)的HTML代碼。然后使用soup對(duì)象遍歷HTML代碼中的每一個(gè)段落,。對(duì)于每個(gè)段落我們使用get()方法獲取正文內(nèi)容并將其打印出來(lái),。 需要注意的是小說(shuō)正文內(nèi)容可能包含各種字符如標(biāo)題、作者、版權(quán)信息等因此在提取正文內(nèi)容時(shí)需要先過(guò)濾掉這些非正文字符,。