Tôi đang làm việc trên một dự án có liên quan đến việc chuyển đổi một lượng lớn nội dung HTML thành văn bản thuần túy/văn bản. Tôi có một mô-đun tùy chỉnh bằng văn bản thực hiện công việc OK, nhưng tôi tự hỏi nếu có một số công cụ tiêu chuẩn để giúp hoàn thành công việc.Cách tốt nhất để chuyển đổi HTML sang dạng thô bằng cách sử dụng Python
Html2Text có vẻ là một lựa chọn tốt
Dưới đây là một thư viện python mà không phân tích cú pháp HTML:
BeautifulSoup là một tùy chọn.
Để tiết kiệm cho những người khác một khoảng thời gian từ Google trở lại SO, dưới đây là phần Hỏi & Đáp mô tả rằng Beautiful Soup không thực sự được duy trì nữa: [WebScraping with BeautifulSoup hoặc LXML.HTML] (http://stackoverflow.com/questions/5493514/webscraping-with-beautifulsoup-or-lxml-html). – sage
Súp đẹp dường như được duy trì ngay bây giờ tôi nghĩ. – contrebis
trang này hoạt động rất tốt –
Trang web không còn truy cập được nữa kể từ Aaron, tác giả không còn nữa. –
nhưng mã có thể được tìm thấy trên https://github.com/aaronsw/html2text –