python读取HTML文本文件

遇到像下面的数据，里面是获取到的一些新闻资讯，但是不是以文本保存的，而是HTML。

想要直接读取HTML

import os
file_path = './data'
file_names = os.listdir(file_path)
i = 1
with open(os.path.join(file_path, file_names[i]), 'r', encoding='utf-8') as f:txt = f.read()

得到结果如下：

'\ufeff<html><head><meta http-equiv="Content-Type" content="text/html; charset=UTF-8"><title>地址识别试题</title></head><body><div><h1>深度｜翼装飞行是玩命？拒绝冒险，专业比赛都要“看天吃饭”</h1><h3>翼装飞行其实最早是从高空跳伞运动中产生的，一些爱好者希望实现人类自由飞翔而开始穿着翼装，然后才逐渐出现低空翼装飞行这样更加刺激的飞行形式。”根据方泽体育的介绍，翼装飞行之所以危险性高，主要源于两个原因：一是飞行速度快；二是起跳方式和飞行环境的特殊。</h3><h2>极限运动，反而最不能冒风险</h2><h3>值得一提的是，对于高空翼装跳伞，全球有相关的培训中心和机构认证，经过培训合格的人才可以拿到证书。而低空翼装飞行没有被大范围推广，并不存在相关的资格认证，那么作为赛事方，如何来评定参赛者的准入资格呢？相关人员告诉记者，低空翼装飞行这样的超极限运动非常小众，全球人数也不过600人左右，国内更是只有寥寥数人，有鉴于此，世界翼装飞行联盟会举办一个预选赛来决定参赛人选。“预选赛每年6月份在挪威举行，是从海边悬崖上定点起跳，但整体难度略低，相对安全。裁判都是翼装飞行领域最具权威的飞行员，通过比赛对于选手的飞行速度、技术能力和飞行过程中的姿态控制有一个全面直观的判断，优胜者才有资格参加世锦赛。”</h3><h3>作为业内人，因掌握的具体信息有限，李良东无法对女飞行员遇难细节多加评价，他就自己更加了解的低空翼装飞行进行了分析。此间，他回忆了2011年底一次事故，事故地位于广州越秀区中山四路228-自编113号,当时就是由于微风吹偏了定位的气球导致飞行太过贴近悬崖，飞行员的腿打在了岩石上，但这位经验老到的选手还是在千钧一发之际下意识完成了开伞，保住了性命。</h3><h4 style="float:right">广州晚报实习生：李四报道</h4></div></body></html>'

除了正文还包含HTML代码格式，故需要进一步处理（使用第三方库html2text）

from html2text import html2texthtml2text(txt)

处理后结果如下：

'\ufeff\n\n# 深度｜翼装飞行是玩命？拒绝冒险，专业比赛都要“看天吃饭”\n\n###\n翼装飞行其实最早是从高空跳伞运动中产生的，一些爱好者希望实现人类自由飞翔而开始穿着翼装，然后才逐渐出现低空翼装飞行这样更加刺激的飞行形式。”根据方泽体育的介绍，翼装飞行之所以危险性高，主要源于两个原因：一是飞行速度快；二是起跳方式和飞行环境的特殊。\n\n## 极限运动，反而最不能冒风险\n\n###\n值得一提的是，对于高空翼装跳伞，全球有相关的培训中心和机构认证，经过培训合格的人才可以拿到证书。而低空翼装飞行没有被大范围推广，并不存在相关的资格认证，那么作为赛事方，如何来评定参赛者的准入资格呢？相关人员告诉记者，低空翼装飞行这样的超极限运动非常小众，全球人数也不过600人左右，国内更是只有寥寥数人，有鉴于此，世界翼装飞行联盟会举办一个预选赛来决定参赛人选。“预选赛每年6月份在挪威举行，是从海边悬崖上定点起跳，但整体难度略低，相对安全。裁判都是翼装飞行领域最具权威的飞行员，通过比赛对于选手的飞行速度、技术能力和飞行过程中的姿态控制有一个全面直观的判断，优胜者才有资格参加世锦赛。”\n\n###\n作为业内人，因掌握的具体信息有限，李良东无法对女飞行员遇难细节多加评价，他就自己更加了解的低空翼装飞行进行了分析。此间，他回忆了2011年底一次事故，事故地位于广州越秀区中山四路228-自编113号,当时就是由于微风吹偏了定位的气球导致飞行太过贴近悬崖，飞行员的腿打在了岩石上，但这位经验老到的选手还是在千钧一发之际下意识完成了开伞，保住了性命。\n\n#### 广州晚报实习生：李四报道\n\n'

接下来就可以按照文本进行分析了。

python读取HTML文本文件相关推荐

Python 读取txt文本文件
Python的文本文件的内容读取中,有三类方法:read().readline().readlines(),这三种方法各有利弊. read(): read()是最简单的一种方法,一次性读取文件的所有内 ...
python读取坐标文本文件_Python 实现文件读写、坐标寻址、查找替换功能
读文件打开文件(文件需要存在) #打开文件 f = open("data.txt","r") #设置文件对象 print(f)#文件句柄 f.close() ...
python读取坐标文本文件_使用python读取txt坐标文件生成挖空矿山_探矿批量
# -*-coding:utf-8-*- import arcpy import fileinput import os # 探矿权坐标格式举例 # 111.0846,31.1530 # 111.10 ...
python的读取纯文本文件的几种模式
python读取纯文本文件利用open函数: fout = open(path,[arg]) path表示你要读取的文件的路径,可以是绝对路径,也可以是相对路径. arg表示你读取这个文件采取的模式, ...
python 读取文本文件_如何在Python中读取大文本文件
python 读取文本文件 Python File object provides various ways to read a text file. The popular way is to us ...
python读取txt文件写入-Python读写txt文本文件的操作方法全解析
一.文件的打开和创建 >>> f = open('/tmp/test.txt') >>> f.read() 'hello python! hello world! ...
python 打开当前目录的txt文件-Python - 读取其他文件夹/目录中的文本文件
这是我的情况:我有一些.txt文件在我可以运行脚本的不同目录中.Python - 读取其他文件夹/目录中的文本文件 mainDir/ -face/ -57268-face-_tracker.txt - ...
Pandas读取中文文本文件报错:python ‘utf-8‘ codec can‘t decode byte 0xe3 in position 0: unexpected end of data
近日用pandas的read_csv读取中文文本文件时报错:python 'utf-8' codec can't decode byte 0xe3 in position 0: unexpected ...
python读取文本文件的三种方法
参考链接 python读取文本文件的内容,有三种方法. read().readline().readlines() read() read()是最简单的一种方法,一次性读取文件的所有内容放在一个大字符 ...

python读取HTML文本文件

python读取HTML文本文件相关推荐

最新文章

热门文章