在学习python自然语言处理第三章处理html一节中,按照书上所示代码
raw = nltk.clean_html(html)
tokens = nltk.word_tokenize(raw)
会产生错误,NotImplementedError: To remove HTML markup, use BeautifulSoup’s get_text() function,原因是nltk在BeautifulSoup在相同方面做出了更好了成果之后,自己删除了相应的同类函数,可以用BeautifulSoup中的相应函数进行替代,所以上图的代码可以改为
raw = BeautifulSoup(html).get_text()
tokens = nltk.word_tokenize(raw)
便不会产生错误