«html-content-extraction» etiketlenmiş sorular

Kapalı . Bu sorunun daha fazla odaklanması gerekiyor . Şu anda cevapları kabul etmiyor. Bu soruyu geliştirmek ister misiniz? Soruyu, yalnızca bu yayını düzenleyerek tek bir soruna odaklanacak şekilde güncelleyin . 6 yıl önce kapalı . HTML kazıma için bir Python paketi olan Beautiful Soup'u denemeyi düşünüyorum . Bakmam gereken …

406 html  web-scraping  html-parsing  html-content-extraction 

Python kullanarak bir HTML dosyasındaki metni ayıklamak istiyorum. Metni bir tarayıcıdan kopyalayıp not defterine yapıştırırsam alacağım aslında aynı çıktıyı istiyorum. Kötü biçimlendirilmiş HTML'de başarısız olabilecek normal ifadeleri kullanmaktan daha sağlam bir şey istiyorum. Birçok kişinin Güzel Çorba tavsiye ettiğini gördüm, ancak kullanırken birkaç sorun yaşadım. Birincisi, JavaScript kaynağı gibi istenmeyen …

243 python  html  text  html-content-extraction 

Başlığı bir HTML sayfasından çıkarmak için normal bir ifade istiyorum. Şu anda buna sahibim: title = re.search('<title>.*</title>', html, re.IGNORECASE).group() if title: title = title.replace('<title>', '').replace('</title>', '') Etiketleri kaldırmak zorunda kalmamam için yalnızca <title> içeriğini ayıklamak için normal bir ifade var mı?

131 python  html  regex  html-content-extraction 

Temel olarak, bir web sayfasında kesinlikle görünen metni yakalamak için BeautifulSoup'u kullanmak istiyorum . Örneğin, bu web sayfası benim test örneğim. Ve esas olarak sadece gövde metnini (makale) ve hatta burada ve orada birkaç sekme adını almak istiyorum. Bu SO sorusundaki , <script>istemediğim birçok etiket ve html yorumu döndüren öneriyi …

124 python  text  beautifulsoup  html-content-extraction