使用Python从Wikipedia html中提取文本

Question

我正在寻找一种方法来使用python提取维基百科文章的主要文本。我知道＆＃34; wikipedia＆＃34;库，但在我的情况下，我已经下载了html页面，我只需要提取文本。我无法使用该库，因为我需要使用几年前下载的维基百科页面html，因此我无法从头开始下载。

是否有现成的＃34;＆＃34;我可以用于此目的的解决方案吗？

Answer 1

尝试 BeautifulSoup ：

from bs4 import BeautifulSoup
import requests

respond = requests.get("http://pl.wikipedia.org/wiki/StackOverflow")
soup = BeautifulSoup(respond.text)
l = soup.find_all('p')
print l[0].text

Answer 2

您可以使用以下python模块：

pip install wikipedia