python实现的读取网页并分词功能示例

Python  /  管理员 发布于 7年前   136

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 requestsfrom bs4 import BeautifulSoupimport jieba# 获取htmlurl = "http://finance.ifeng.com/a/20180328/16049779_0.shtml"res = requests.get(url)res.encoding = 'utf-8'content = res.text# 添加至bs4soup = 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：

更多关于Python相关内容感兴趣的读者可查看本站专题：《Python数学运算技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》

希望本文所述对大家Python程序设计有所帮助。