首頁 > 開發者 > Python

python爬蟲第5天 讀取文檔

來源：互聯網
上載者：User
創建阿里雲帳戶，並獲得超過 40 款產品的免費試用版；而企業帳戶則可以享有總值 $1200 的免費試用版。立即註冊！

本章重點介紹文檔處理的相關內容，包括把檔案下載到檔案夾裡，以及讀取文檔並提取數 據。我們還會介紹文檔的不同編碼類別型，讓程式可以讀取非英文的 HTML 頁面



純文字

beautifulsoup（）只對HTML檔案有作用

一個常見的誤解是 UTF-8 把所有字元都儲存成 8 位。其實“8 位”只是顯示一個字元需要的最小位元，而不是最大位元


讀取CSV檔案 

對於線上的檔案

• 手動把 CSV 檔案下載到本機，然後用 Python 定位檔案位置； 

• 寫 Python 程式下載檔案，讀取之後再把源檔案刪除； 

• 從網上直接把檔案讀成一個字串，然後轉換成一個 StringIO 對象，使它具有檔案的 屬性


csv.DictReader 會返回把 CSV 檔案每一行轉換成 Python 的字典對象返回，而不是列表對 象，並把欄位列表儲存在變數 dictReader.fieldnames 裡，欄位列表同時作為字典對象的鍵


PDF

PDFMiner3K 就是一個非常好用的庫



微軟Word和.docx

想讀取 Microsoft Office 檔案的本文內容，我們需要自己動手找方法









本文章原先以中文撰寫並發佈於 aliyun.com，亦設英文版本，僅作資訊用途。本網站不對文章的準確性，完整性或可靠性或其任何翻譯作出任何明示或暗示的陳述或保證。如對該文章有任何疑慮或投訴，請傳送電郵至 info-contact@alibabacloud.com 並提供相關疑慮或投訴的詳細說明。職員會於 5 個工作天內與您聯絡，一經驗證之後，即會刪除該侵權內容。

相關關鍵詞：
anaconda python 3 5 install python 3 5 mysql python for python 3 5 spyder python 3 5 download anaconda for python 3 5 install python 3 5 2 install anaconda python 3 5
相關文章
Python中的底線的用法介紹
python讀寫ini檔案樣本(python讀寫檔案)_python
python CMDB開發
python：發送郵件
python學習筆記2-列（list）
python學習筆記1-賦值與字串

聯繫我們

該頁面正文內容均來源於網絡整理，並不代表阿里雲官方的觀點，該頁面所提到的產品和服務也與阿里云無關，如果該頁面內容對您造成了困擾，歡迎寫郵件給我們，收到郵件我們將在5個工作日內處理。

如果您發現本社區中有涉嫌抄襲的內容，歡迎發送郵件至： info-contact@alibabacloud.com 進行舉報並提供相關證據，工作人員會在 5 個工作天內聯絡您，一經查實，本站將立刻刪除涉嫌侵權內容。

熱門內容

A Free Trial That Lets You Build Big!

Start building with 50+ products and up to 12 months usage for Elastic Compute Service

Get Started for Free

  • Sales Support

    1 on 1 presale consultation

    Chat Contact Sales

  • After-Sales Support

    24/7 Technical Support 6 Free Tickets per Quarter Faster Response

    Open a Ticket

  • Alibaba Cloud offers highly flexible support services tailored to meet your exact needs.

    Learn More