溫馨提示×

溫馨提示×

您好，登錄后才能下訂單哦！

密碼登錄×
登錄注冊×
其他方式登錄
點擊 登錄注冊 即表示同意《億速云用戶服務(wù)條款》

python實現(xiàn)的讀取網(wǎng)頁并分詞功能示例

發(fā)布時間：2020-09-10 19:20:40 來源：腳本之家 閱讀：218 作者：笨小孩好笨 欄目：開發(fā)技術(shù)

本文實例講述了python實現(xiàn)的讀取網(wǎng)頁并分詞功能。分享給大家供大家參考，具體如下：

這里使用分詞使用最流行的分詞包jieba，參考：https://github.com/fxsjy/jieba

或點擊此處本站下載jieba庫。

代碼：

import requests
from bs4 import BeautifulSoup
import jieba
# 獲取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')
# 寫入文件
filename = 'news.txt'
with open(filename,'w',encoding='utf-8') as file_object:
  # <p>標(biāo)簽的處理
  for line in div.findChildren():
    file_object.write(line.get_text()+'\n')
# 使用分詞工具
seg_list = jieba.cut("我來到北京清華大學(xué)", cut_all=True)
print("Full Mode: " + "/ ".join(seg_list)) # 全模式
seg_list = jieba.cut("我來到北京清華大學(xué)", cut_all=False)
print("Default Mode: " + "/ ".join(seg_list)) # 精確模式
seg_list = jieba.cut("他來到了網(wǎng)易杭研大廈") # 默認(rèn)是精確模式
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))

爬取結(jié)果：

python實現(xiàn)的讀取網(wǎng)頁并分詞功能示例

分詞結(jié)果：

python實現(xiàn)的讀取網(wǎng)頁并分詞功能示例

更多關(guān)于Python相關(guān)內(nèi)容感興趣的讀者可查看本站專題：《Python數(shù)學(xué)運(yùn)算技巧總結(jié)》、《Python數(shù)據(jù)結(jié)構(gòu)與算法教程》、《Python函數(shù)使用技巧總結(jié)》、《Python字符串操作技巧匯總》、《Python入門與進(jìn)階經(jīng)典教程》及《Python文件與目錄操作技巧匯總》

希望本文所述對大家Python程序設(shè)計有所幫助。

向AI問一下細(xì)節(jié)

免責(zé)聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點不代表本網(wǎng)站立場，如果涉及侵權(quán)請聯(lián)系站長郵箱：is@yisu.com進(jìn)行舉報，并提供相關(guān)證據(jù)，一經(jīng)查實，將立刻刪除涉嫌侵權(quán)內(nèi)容。

AI
助
手