刮新聞文章數據並在Word中格式化結果

Question

有關文章URL列表，我需要刮掉文章的標題，作者，日期，出版物和正文。然後每篇文章需要出現在Word中，根據模板格式（粗體標題，斜體出版物，頂部帶有超鏈接的目錄等）。

Answer 1

我用一些這在過去，我會建議你兩件事情來清潔HTML代碼和獲取文本：

• html2text：圖書館從HTML代碼中獲取文本
• Regular expressions ：Python模塊，你可以用它來刪除HTML表達式

（請謹慎使用正則表達式，它可能會錯過一些數據，或者在某些情況下，某些字符串）

對於Word，我會建議這樣的：

• python-docs：圖書館與MS Word工作到了Python。

PS：這只是一個簡單的簡歷。如果你只是使用SO搜索器，你會得到很多結果。