首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >使用与html相同的格式使用BeautifulSoup从html中提取文本

问使用与html相同的格式使用BeautifulSoup从html中提取文本
EN

Stack Overflow用户
提问于 2020-08-26 11:21:06
回答 1查看 205关注 0票数 0

代码:

代码语言:javascript
复制
body_text = BeautifulSoup(open(html)).text

在html页面中,像1.ETA这样的行预期的metocean条件在提取时被分割成行,需要解决这个问题。

我使用了字符串格式设置条件,如

代码语言:javascript
复制
body_html = str(BeautifulSoup(open(html_file)))
body_html = body_html.replace('\n', ' ') #to remove all new lines
body_html = body_html.replace('/>', '/>\n') # add new lines so that texts from two different tags do not extracted in same line

示例HTML页面:https://easyupload.io/sh02xi

是否有更好的方法来提取与我们在html中可视化的文本格式相同的文本?

EN

回答 1

Stack Overflow用户

发布于 2020-08-27 11:26:53

当文本需要以与html格式相同的格式提取时,html2text更适合文本提取:

代码语言:javascript
复制
h = html2text.HTML2Text()
h.body_width = 0
h.ignore_links = True
h.ignore_images = True
print(h.handle(html_string))
票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/63596542

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档