爬取文档，尤其是TXT和DOCX格式的文档，可以通过Python的`urllib`和`BeautifulSoup`库来实现。以下是使用Python爬取TXT和DOCX文档的基本步骤：
爬取TXT文档
1. 导入必要的库：
```python
from urllib.request import urlopen
from urllib.error import URLError, HTTPError
import re
2. 尝试打开目标URL并读取内容：```pythontry:
textPage = urlopen（'http://www.pythonscraping.com/pages/warandpeace/chapter1.txt'）
except （URLError, HTTPError） as e:
print（'Errors:\n'）
print（e）
else:
text = str（textPage.read（））
3. 使用正则表达式或其他方法处理文本内容：
```python
示例：使用正则表达式查找包含特定关键词的句子
pattern = re.compile（r'.*1805（\w|,|\s| ）'）
match = pattern.search（text）
if match is not None:
print（match.group（））
爬取DOCX文档1. 导入必要的库：```pythonfrom docx import Document
2. 读取TXT文件内容：
```python
with open（'test.txt', 'r', encoding='utf-8'） as f:
text = f.read（）
3. 创建一个新的DOCX文档并添加文本内容：```pythondocu = Document（）
docu.add_paragraph（text）
4. 保存DOCX文档：
```python
docu.save（'test.docx'）
请注意，对于复杂的网站，可能需要处理异步加载的内容，这时可能需要使用如`Selenium`等工具来模拟浏览器行为。以上步骤展示了如何使用Python爬取TXT和DOCX文档的基本流程。实际操作时，请确保遵守目标网站的爬虫政策，并注意处理可能出现的异常情况。