Python实现HTML文件或字符串转换为纯文本TXT
更新时间：2025年09月28日 08:40:09 作者：Eiceblue
在数据处理、内容提取、网页归档等任务中,经常需要将 HTML 转换为纯文本 TXT,本文将介绍如何用 Python 和 Free Spire.Doc 库完成 HTML 到 TXT 的转换,希望对大家有所帮助
1. 引言
在数据处理、内容提取、网页归档等任务中，经常需要将 HTML 转换为纯文本 TXT。常见需求包括去除 HTML 标签，保留文本内容，保留段落、列表等基本结构。
本文将介绍如何用 Python 和 Free Spire.Doc 库完成 HTML 到 TXT 的转换。
2. 转换原理
HTML 转 TXT 的本质是解析 HTML 文档对象模型（DOM），提取其中的文本节点，再按需要的格式输出。
常用方法有两类：
- 纯解析器（如
BeautifulSoup、lxml）：快速、轻量，但需要自己处理换行和缩进。 - 文档模型类库（如 Free Spire.Doc）：加载 HTML 到文档对象，再导出为 TXT，结构保留更好。
3. 环境准备
安装 Free Spire.Doc for Python：
pip install Spire.Doc.free
注意点击查看免费版的限制
4. 基本实现
4.1 HTML 文件 → TXT 文件
下面是一个将 HTML 文件转换为 TXT 文本的简单示例：
from spire.doc import *
from spire.doc.common import *
# 加载HTML文件
document = Document()
document.LoadFromFile("E:\input.html", FileFormat.Html, XHTMLValidationType.none)
# 另存为TXT文件
document.SaveToFile("Html文件转TXT.txt", FileFormat.Txt)
document.Close()
核心代码：
LoadFromFile()：加载 HTML 文件。FileFormat.Html表示文件格式为 HTML。SaveToFile()：将文档保存为 TXT 格式。FileFormat.Txt表示保存为纯文本。
输出结果：
4.2 HTML 字符串 → TXT 文件
若 HTML 内容已在内存中（如接口返回、爬虫抓取结果），可使用该方法：
from spire.doc import *
from spire.doc.common import *
# 指定HTML字符串
sample_html = """
<html>
<head><title>示例页面</title></head>
<body>
<h1>欢迎来到我的网站</h1>
<p>这是一个段落文本。</p>
<ul>
<li>项目1</li>
<li>项目2</li>
<li>项目3</li>
</ul>
</body>
</html>
"""
# 创建文档
document = Document()
# 在段落中插入字符串
section = document.AddSection()
section.AddParagraph().AppendHTML(sample_html)
# 另存为TXT
document.SaveToFile("Html字符串转TXT.txt", FileFormat.Txt)
document.Close()
输出结果：
5. 注意事项
- 格式保留：转换后的 TXT 会保留 HTML 的段落结构（换行、列表等），但不保留颜色、字体等样式。
- 性能：对于超大型 HTML 文件，建议分段处理以避免内存占用过高。
- 复杂 HTML：对于包含大量 JavaScript、CSS 或复杂布局的 HTML，建议先用对文件进行预处理再转换。
使用 Free Spire.Doc for Python 转换 HTML 到 TXT 非常方便，只需几行代码即可完成，并且能够较好地保留原有的文本结构。相比正则表达式或简单的标签剥离方法，这种方式更稳定可靠。
到此这篇关于Python实现HTML文件或字符串转换为纯文本TXT的文章就介绍到这了,更多相关Python HTML转TXT内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了python配置虚拟环境，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-04-04
这篇文章主要介绍了在Python中使用HTML模版的教程,HTML模版也是Python的各大框架下的一个基本功能,需要的朋友可以参考下2015-04-04
在本篇文章里小编给大家整理的是一篇关于python常量折叠基础知识点讲解，对此有兴趣的朋友可以跟着学习下。2021-02-02
这篇文章主要介绍了Python中的jquery PyQuery库使用小结,需要的朋友可以参考下2014-05-05
在本篇文章了小编给大家整理的是一篇关于python里反向传播算法详解内容，有兴趣的朋友们可以学习下。2020-11-11
Httpx 是一个用于发送 HTTP 请求的 Python 库,它提供了简单易用的 API,可以轻松地发送 GET、POST、PUT、DELETE 等请求,并接收响应,下面介绍下Python httpx库入门指南,感兴趣的朋友一起看看吧2023-12-12
ABAQUS是广泛应用于多个工程领域的非线性有限元分析软件,参数化建模通过定义变量和规则,可以自动化创建和修改模型,提高建模效率和精度,本文给大家介绍基于Python的ABAQUS参数化建模教程,感兴趣的朋友一起看看吧2025-11-11
迭代器是一种对象，该对象包含值的可计数数字。从技术上讲，在 Python 中，迭代器是实现迭代器协议的对象，它包含方法 iter() 和 next()。本文就来聊聊迭代器的具体使用吧2023-03-03
本篇文章主要介绍了Python进阶之尾递归的用法实例，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2018-01-01
今天为大家带来一款小游戏，名叫外星人去哪了，用Python语言实现完成，代码简洁易懂，感兴趣的小伙伴快来看看吧2022-03-03
最新评论