在python中导入boilerpipe时遇到问题

Question

我正在使用python构建一个应用程序，其中包括从RSS提要获取新闻文章。作为我项目的一部分，我决定使用boilerpipe从文章所在的html页面中提取文章内容。

尽管boilerpipe最初是为java编写的，但它也被移植到了python。你可以在github上看到它的页面：https://github.com/misja/python-boilerpipe

问题是，我在尝试使用以下命令导入它时出现异常：

from boilerpipe.extract import Extractor

我得到的错误是：

Traceback (most recent call last):
File "", line 1, in
File "build\bdist.win32\egg\boilerpipe\extract__init__.py", line 12, in
File "C:\Python26\lib\site-packages\jpype_jclass.py", line 54, in JClass
raise _RUNTIMEEXCEPTION.PYEXC("Class %s not found" % name)
jpype._jexception.ExceptionPyRaisable: java.lang.Exception: Class 
de.l3s.boilerpipe.sax.HTMLHighlighter not found

可能导致此问题的原因是什么?我如何解决它？

Answer 1

这在我的Mac 10.8.5和Python 2.7.9上是有效的：

pip install JPype1    # to install https://pypi.python.org/pypi/JPype1
pip install charade
git clone https://github.com/misja/python-boilerpipe.git
cd python-boilerpipe
sudo python setup.py install

然后，您应该能够在python控制台中执行以下操作

>>> from boilerpipe.extract import Extractor
>>> extractor = Extractor(extractor='ArticleExtractor', url="http://en.wikipedia.org/wiki/Main_Page")
>>> print extractor.getText()

Answer 2

你缺少锅炉管道java包安装，你可以在这里找到它- http://code.google.com/p/boilerpipe/downloads/list

您只安装了python boilerpipe wrapper。

Answer 3

下面是最适合我的方法：

git clone https://github.com/misja/python-boilerpipe.git
cd python-boilerpipe
sudo python setup.py install

您可能需要执行以下操作：

• install JPype (sudo apt-get install python-jpype on
  • jpype (sudo pip install charade)

  )

但是，您不必安装boilerpipe jar，因为安装程序会为您加载该文件。

我尝试从pip安装python boilerpipe，但是没有成功。我成功地运行了样板java代码，但一直收到同样的错误。