网络爬虫不仅需要能够抓取HTML中的敏感信息，也需要有抓取其他类型文档的能力这篇文章主要为大家汇总了python爬取各类文档方法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

HTML文档是互联网上的主要文档类型，但还存在如TXT、WORD、Excel、PDF、csv等多种类型的文档。网络爬虫不仅需要能够抓取HTML中的敏感信息，也需要有抓取其他类型文档的能力。下面简要记录一些个人已知的基于python3的抓取方法，以备查阅。 1.抓取TXT文档 在python3下，常用方法是使用urllib.request.urlopen方法直接获取。之后利用正则表达式等方式进行敏感词检索。 ### Reading TXT doc ### from urllib.reque