Python提取信息测试

文章目录

• • 1、提取文档内表格型文件
  • • 1.1 说明
    • 1.2 站截图
    • 1.3 输出结果
  • 2、提取表格在附件的文档
  • • 2.1 仅提取正文
    • 2.2 提取正文中的链接
    • 2.3 针对性提取
    • 2.4 针对性提取链接后，访问链接发现输出 页文本乱码

1、提取文档内表格型文件

1.1 说明

1、测试链接为：https://wenku.baidu.com/view/efd468c75fbfc77da269b13e.htmlec_flag=default
2、解析方法：BeautifulSoup
3、提取步骤：表格数据按行提取

1.2 站截图

1、测试链接为：http://www.offcn.com/jiaoshi/2021/0714/458245.html
2、解析方法：BeautifulSoup
3、提取步骤：暂无方案，先试试

2.1 仅提取正文

可以看到xlsx和xls的文件并没有获取到，仅以正文形式表达。

2.2 提取正文中的链接

页中涉及到的链接太多了，结果如下，还有很多，没有全部截上图

文章知识点与官方知识档案匹配，可进一步学习相关知识Python入门技能树首页概览208539 人正在系统学习中