使用Python爬蟲抓取網頁文本可以使用第三方庫requests和beautifulsoup。
首先,安裝requests和beautifulsoup庫:
pip install requests
pip install beautifulsoup4
然后,編寫Python代碼:
import requests
from bs4 import BeautifulSoup
# 發送GET請求,獲取網頁內容
url = "http://example.com" # 要抓取的網頁URL
response = requests.get(url)
html = response.text
# 使用BeautifulSoup解析網頁內容
soup = BeautifulSoup(html, 'html.parser')
# 提取網頁文本
text = soup.get_text()
print(text)
以上代碼中,首先使用requests庫發送GET請求,獲取網頁內容并保存在變量html中。然后,使用BeautifulSoup庫將網頁內容進行解析,生成一個BeautifulSoup對象soup。最后,使用soup的get_text()方法提取網頁的純文本內容,并打印出來。
需要注意的是,使用爬蟲抓取網頁文本時,需要遵守網站的使用規則,尊重網站的robots.txt文件,不進行惡意爬取。另外,可能需要處理一些反爬機制,如設置User-Agent、延時請求等。