To remove HTML markup, use BeautifulSoup's get_text() function解决方案

最新推荐文章于 2020-12-20 12:29:43 发布
最新推荐文章于 2020-12-20 12:29:43 发布
阅读量3k 收藏
点赞数 1
分类专栏： python自然语言 文章标签： python 自然语言处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_33394807/article/details/50836226
版权

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

开始编程的李先生
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
NotImplementedError: To remove HTML markup, use BeautifulSoup's get_text() function
光英的记忆博客
05-22 831
NotImplementedError: To remove HTML markup, use BeautifulSoup's get_text() function 经查阅nltk的相关方法可能已经失效了,改用BeautifulSoup的同类方法即可,代码如下 from bs4 import BeautifulSoup response = urllib.request.urlopen...
To remove HTML markup, use BeautifulSoup's get_text() function的解决办法
Baozoudemelon的博客
10-22 1288
在学习nltk时遇到了这样一个问题: To remove HTML markup, use BeautifulSoup’s get_text() function 错误代码为: html = response.read() clean = nltk.clean_html(html) 经查阅nltk的相关方法可能已经失效了,改用BeautifulSoup的同类方法即可,代码如下: from bs4...
《python自然语言处理》笔记---chap3加工原料文本
无限大地NLP_空木的专栏
04-02 5970
chap3中关于，NLP中的关键概念，包括分词和词干提取。字符串、文件、正则表达式、去除HTML标签 以下所有程序，默认导入包 import nltk,re,pprint #即，nltk包，正则表达式re包，输出pprint包 3.1 从网络和硬盘访问文本 电子书 http://www.gutenberg.org/files/2554/2554.txt，古腾堡项目编号2554的文
《python进行自然语言处理》练习处理HTML内容的时候出现ImportError: No module named BeautifulSoup错误
marho
12-30 7235
在练习Python自然语言处理的时候，遇到了下面的错误： # -*- coding: utf-8 -*- """ Created on Wed Dec 30 17:10:30 2015 @author: mahao """ import nltk   from urllib.request import urlopen   from bs4 import BeautifulSoup
《NLTK基础教程》读书笔记 001期
bright_silmarillion的专栏
07-07 413
（开一个新的系列） 第一章算是introduction和各种环境的熟悉，应该不算太麻烦，这里需要注意几个问题，这本书的核心还是在用python，而不是python3，所以有些坑还是得自己踩一踩。两个版本最最基本的问题像是print后面括号的有无，不在这里过多强调。 第一个坑，urllib2 在书正文的第12页，python2中import了这个库，但是在python3中，该库已经整合进入...
add-text-to-HTML.zip_labview html
09-23
标题 "add-text-to-HTML.zip_labview html" 暗示了这个压缩包包含一个使用LabVIEW（Laboratory Virtual Instrument Engineering Workbench）开发的程序，该程序能够将文本添加到HTML（HyperText Markup Language）...
html_convert.zip_html conve_python 网页_python 网页_read text pytho
09-24
在IT行业中，HTML（HyperText Markup Language）是一种用于创建网页的标准标记语言，而Python则是一种功能强大的编程语言，尤其在处理文本数据和自动化任务时表现出色。本项目涉及的主题是利用Python来读取HTML网页...
wml.rar_Markup_WML_wap_wml script c++
09-19
Wireless Markup Language - WML是WAP中用来描述与展现资料用的语言，如同HTML与HTTP协定间的定位一般；如果你熟悉HTML相信你会很快入手并爱上它
网站解决方案展示html5网站模板
04-02
【网站解决方案展示html5网站模板】是一个专门针对网站设计与构建的模板，它利用了HTML5这一现代网页技术，旨在为用户提供一个高效、创新且视觉吸引力强的网站展示平台。HTML5是超文本标记语言（HyperText Markup ...
python_markup-master.zip_TXT切割文件_别人的代码_文本变成HTML_置标语言_转换 txt html
09-19
它提供了许多内置函数和第三方库（如BeautifulSoup或re模块）来帮助处理文本和解析HTML。 7. **代码实现**：在"python_markup-master"目录下，很可能包含了实现这些功能的Python源代码文件。通常，一个这样的项目会...
贝叶斯（Kaggle比赛之影评与观影者情感判定）
CZ626626的博客
04-09 1643
本文参考博客http://blog.csdn.net/han_xiaoyang/article/details/50629608而来import re #正则表达式 from bs4 import BeautifulSoup #html标签处理 import pandas as pd##############数据导入############# def review_to_wordlist(re
beautifulsoup去除标签_python – 使用BeautifulSoup删除标签,但保留其内容
weixin_39597987的博客
12-20 2107
我使用的策略是用它的内容替换一个标签，如果它们是NavigableString类型，如果它们不是，然后递归到它们并用NavigableString等替换它们的内容。尝试这样：from BeautifulSoup import BeautifulSoup, NavigableStringdef strip_tags(html, invalid_tags):soup = BeautifulSoup(h...
BeautifulSoup4 UserWarning
ace_fei的专栏
01-06 1万+
错误描述： /opt/ActivePython-2.7/lib/python2.7/site-packages/bs4/__init__.py:166: UserWarning: No parser was explicitly specified, so I'm using the best available HTML parser for this system ("lxml"). Thi
Python3 --- BeautifulSoup4用法总结
__静禅__
07-11 9102
一、BeautifulSoup4简介        BeautifulSoup4和 lxml 一样，Beautiful Soup 也是一个HTML/XML的解析器，主要的功能也是如何解析和提取 HTML/XML 数据。官方文档：http://beautifulsoup.readthedocs.io/zh_CN/v4.4.0/二、BeautifulSoup4主要解析器，以及优缺点：三、Beautif...
Python中Beautifulsoup去除/过滤掉特定标签
热门推荐
春风化雨
04-24 1万+
使用如下代码，进行过滤或排除 [s.extract() for s in soup('div')] 贴代码 # coding:utf-8 from bs4 import BeautifulSoup soup = BeautifulSoup('<div>早上9点了</div>你好世界<div>世界和平</div>') info = ...
成功解决 bs4\__init__.py:219: UserWarning: "b'.'" looks like a filename, not markup. You should probably
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
03-12 9430
成功解决 bs4\__init__.py:219: UserWarning: "b'.'" looks like a filename, not markup. You should probably 目录 解决问题 解决思路 解决方法 解决问题 F:\Program Files\Python\Python36\lib\site-pack...
beautifulsoup 错误 that document to Beautiful Soup decoded_markup的解决方法
Yan-note
08-28 1035
发生错误的代码： import requests from bs4 import BeautifulSoup url="https://www.baidu.com/" def gethtmltext(url): try: r=requests.get(url) if r.status_code==200: r.encoding=r...
BeautifulSoup([your markup]) to this: BeautifulSoup([your markup], "lxml") 解决未设置默认解析器的错误...
weixin_30555515的博客
04-22 89
在看时,敲了一些代码,其中报了一个错误为 BeautifulSoup([your markup]) to this: BeautifulSoup([your markup], “lxml”) ` html = urlopen(“http://en.wikipedia.org“+articleUrl) bsObj = BeautifulSoup(html)...
TypeError Traceback (most recent call last) <ipython-input-12-2d801bce1f3c> in <module> 7 } 8 page_text = requests.get(url=url,headers=headers) ----> 9 soup=BeautifulSoup(page_text , 'html.parser') 10 #解析章节标题 11 soup.select('.book-mulu>ul>li') ~\anaconda3\lib\site-packages\bs4\__init__.py in __init__(self, markup, features, builder, parse_only, from_encoding, exclude_encodings, element_classes, **kwargs) 308 if hasattr(markup, 'read'): # It's a file-type object. 309 markup = markup.read() --> 310 elif len(markup) <= 256 and ( 311 (isinstance(markup, bytes) and not b'<' in markup) 312 or (isinstance(markup, str) and not '<' in markup) TypeError: object of type 'Response' has no len()
最新发布
05-31
这个错误提示是因为 `BeautifulSoup` 期望接收一个字符串类型的参数，而 `page_text` 是一个 `Response` 类型的对象。你需要将 `page_text.content` 传递给 `BeautifulSoup`，而不是 `page_text`。修改代码如下： `...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值