python實現的讀取網頁並分詞功能示例
阿新 • • 發佈:2020-01-09
本文例項講述了python實現的讀取網頁並分詞功能。分享給大家供大家參考,具體如下:
這裡使用分詞使用最流行的分詞包jieba,參考:https://github.com/fxsjy/jieba
或點選此處本站下載jieba庫。
程式碼:
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 # 新增至bs4 soup = BeautifulSoup(content,'html.parser') div = soup.find(id = 'main_content') # 寫入檔案 filename = 'news.txt' with open(filename,'w',encoding='utf-8') as file_object: # <p>標籤的處理 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",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",cut_all=False) print("Default Mode: " + "/ ".join(seg_list)) # 精確模式 seg_list = jieba.cut("他來到了網易杭研大廈") # 預設是精確模式 print(",".join(seg_list)) with open(filename,'r',encoding='utf-8') as file_object: with open('cut_news.txt',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))
爬取結果:
分詞結果:
更多關於Python相關內容感興趣的讀者可檢視本站專題:《Python數學運算技巧總結》、《Python資料結構與演算法教程》、《Python函式使用技巧總結》、《Python字串操作技巧彙總》、《Python入門與進階經典教程》及《Python檔案與目錄操作技巧彙總》
希望本文所述對大家Python程式設計有所幫助。