Pertanyaan yang diberi tag «html-content-extraction»

Ditutup . Pertanyaan ini perlu lebih fokus . Saat ini tidak menerima jawaban. Ingin meningkatkan pertanyaan ini? Perbarui pertanyaan sehingga hanya berfokus pada satu masalah saja mengedit posting ini . Ditutup 6 tahun yang lalu . Saya sedang berpikir untuk mencoba Beautiful Soup , paket Python untuk pengikisan HTML. Apakah …

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

Saya ingin mengekstrak teks dari file HTML menggunakan Python. Saya ingin pada dasarnya output yang sama saya akan dapatkan jika saya menyalin teks dari browser dan menempelkannya ke notepad. Saya ingin sesuatu yang lebih kuat daripada menggunakan ekspresi reguler yang mungkin gagal pada HTML yang dibentuk dengan buruk. Saya telah …

243 python  html  text  html-content-extraction 

Saya ingin ekspresi reguler mengekstrak judul dari halaman HTML. Saat ini saya memiliki ini: title = re.search('<title>.*</title>', html, re.IGNORECASE).group() if title: title = title.replace('<title>', '').replace('</title>', '') Apakah ada ekspresi reguler untuk mengekstrak hanya konten <title> jadi saya tidak perlu menghapus tag?

131 python  html  regex  html-content-extraction 

Pada dasarnya, saya ingin menggunakan BeautifulSoup untuk mengambil teks yang terlihat di halaman web secara ketat . Misalnya, halaman web ini adalah kasus uji saya. Dan saya terutama ingin mendapatkan teks isi (artikel) dan bahkan mungkin beberapa nama tab di sana-sini. Saya telah mencoba saran dalam pertanyaan SO ini yang …

124 python  text  beautifulsoup  html-content-extraction