将网页中提取的字符串内容导出为 Word 文档，可以使用 Python 的 `python-docx` 库。该库允许创建、修改和操作 `.docx` 格式的 Word 文档，非常适合用于将网页爬取的文本数据格式化并保存为 Word 文件。 ### 3.1 环境准备 首先需要安装 `python-docx` 和网页爬取所需的库，如 `requests` 和 `BeautifulSoup`。 ```bash pip install python-docx requests beautifulsoup4 ``` ### 3.2 网页内容提取与处理 使用 `requests` 获取网页内容，并通过 `BeautifulSoup` 提取所需字符串元素。例如，从某个网页提取所有段落文本。 ```python import requests from bs4 import BeautifulSoup url = "https://example.com" response = requests.get(url) soup = BeautifulSoup(response.text, "html.parser") # 提取所有段落 paragraphs = [p.get_text() for p in soup.find_all("p")] ``` ### 3.3 创建 Word 文档并写入内容 使用 `python-docx` 创建一个新的 Word 文档，并将提取的字符串内容写入其中。 ```python from docx import Document # 创建一个新的Word文档 doc = Document() # 添加标题 doc.add_heading("网页提取内容", level=1) # 添加段落 for para in paragraphs: doc.add_paragraph(para) # 保存文档 doc.save("web_content.docx") ``` ### 3.4 扩展功能：添加样式与格式 可以为文档添加样式，例如加粗、斜体、字体大小等，以提升可读性。 ```python from docx.shared import Pt from docx.enum.text import WD_ALIGN_PARAGRAPH # 添加带格式的段落 paragraph = doc.add_paragraph() run = paragraph.add_run("这是加粗且为14号字体的文本") run.bold = True run.font.size = Pt(14) paragraph.alignment = WD_ALIGN_PARAGRAPH.CENTER ``` ### 3.5 完整函数封装 将上述步骤封装为一个函数，便于重复使用。 ```python def save_web_content_to_word(url, filename): response = requests.get(url) soup = BeautifulSoup(response.text, "html.parser") paragraphs = [p.get_text() for p in soup.find_all("p")] doc = Document() doc.add_heading("网页提取内容", level=1) for para in paragraphs: doc.add_paragraph(para) doc.save(filename) ``` 调用函数： ```python save_web_content_to_word("https://example.com", "web_content.docx") ```