python实现的读取网页并分词功能示例
人气:0本文实例讲述了python实现的读取网页并分词功能。分享给大家供大家参考,具体如下:
这里使用分词使用最流行的分词包jieba,参考:https://github.com/fxsjy/jieba
或点击此处本站下载jieba库。
代码:
import requests from bs4 import BeautifulSoup import jieba # 获取html url = "http://finance.ifeng.com/a/20180328/16049779_0.shtml" res = requests.get(url) res.encoding = 'utf-8' content = res.text # 添加至bs4 soup = BeautifulSoup(content, 'html.parser') div = soup.find(id = 'main_content') # 写入文件 filename = 'news.txt' with open(filename,'w',encoding='utf-8') as file_object: # <p>标签的处理 for line in div.findChildren(): file_object.write(line.get_text()+'\n') # 使用分词工具 seg_list = jieba.cut("我来到北京清华大学", cut_all=True) print("Full Mode: " + "/ ".join(seg_list)) # 全模式 seg_list = jieba.cut("我来到北京清华大学", cut_all=False) print("Default Mode: " + "/ ".join(seg_list)) # 精确模式 seg_list = jieba.cut("他来到了网易杭研大厦") # 默认是精确模式 print(", ".join(seg_list)) with open(filename,'r',encoding='utf-8') as file_object: with open('cut_news.txt','w',encoding='utf-8') as file_cut_object: for line in file_object.readlines(): seg_list = jieba.cut(line,cut_all=False) file_cut_object.write('/'.join(seg_list))
爬取结果:
分词结果:
希望本文所述对大家Python程序设计有所帮助。
您可能感兴趣的文章:
- Python读取网页内容的方法
- python打开url并按指定块读取网页内容的方法
- Python读取本地文件并解析网页元素的方法
- Python中文分词工具之结巴分词用法实例总结【经典案例】
- Python 结巴分词实现关键词抽取分析
- python jieba分词并统计词频后输出结果到Excel和txt文档方法
- python使用jieba实现中文分词去停用词方法示例
- python中文分词教程之前向最大正向匹配算法详解
- Python基于jieba库进行简单分词及词云功能实现方法
- python实现中文分词FMM算法实例
- Python中文分词实现方法(安装pymmseg)
- python中文分词,使用结巴分词对python进行分词(实例讲解)
加载全部内容