数据清洗demo 1

from urllib import urlopen

from BeautifulSoup import BeautifulSoup as BS

import re

def ngrams(input,n):

    input=input.replace("\n","")

    input=input.split(' ')

    output=[]

    for i in range(len(input)-n+1):

        output.append(input[i:i+1])

    return output

 

html=urlopen("https://en.wikipedia.org/wiki/Python_(programming_language)%22)")

bsObj=BS(html)

content=bsObj.find("div",{"id":"mw-content-text"})

ngrams=ngrams(str(content),2)

print ngrams

print "2-ngrams count is:" + str(len(ngrams))

转载于:https://my.oschina.net/u/730477/blog/1570802

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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