正文提取库goose，效果不是太好，要求不高的话可以试试用

github：https://github.com/grangier/python-goose

安装

git clone https://github.com/grangier/python-goose.git
cd python-goose
pip install -r requirements.txt
python setup.py install

  

 

  
1
  
2
  
3
  
4
 

代码实例

# -*- coding: utf-8 -*-

# @File : pygoose_demo.py
# @Date : 2018-07-25
# @Author  : Peng Shiyu

from goose import Goose
from goose.text import StopWordsChinese

g = Goose({'stopwords_class': StopWordsChinese})
url = "http://www.xinhuanet.com/"
article = g.extract(url=url)
print(article.title)
print(article.cleaned_text)


  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
 

文章来源: pengshiyu.blog.csdn.net，作者：彭世瑜，版权归原作者所有，如需转载，请联系作者。

原文链接：pengshiyu.blog.csdn.net/article/details/81211622