Python:报纸模块 - 用HTML标签提取文本



我制作了一个代码:

from newspaper import Article
url = 'http://www.infomoney.com.br/mercados/acoes-e-indices/noticia/7345670/dow-jones-tem-nova-derrocada-puxa-ibovespa-para-segunda-semana'
a = Article(url, language='pt')
a.download()
a.parse()
print(a.text)

但是我需要带有HTML标签的文本,例如,我需要文本中的IMG标签。

一年前提出了这个问题,但有人可能会通过Google找到这个问题。

您可以在文章文本中获得图像和其他HTML,并带有" A.Article_html"。

from newspaper import Article
a = Article('https://www.nytimes.com/2019/04/25/us/politics/joe-biden-anita-hill.html', 
    keep_article_html=True, 
    language='en')
a.download()
a.parse()
print(a.html) # This article's unchanged and raw HTML
print(a.article_html) # The HTML of this article's main node

记住参数" keep_article_html = true"

您可以通过html成员获得HTML。

from newspaper import Article
url = 'http://www.infomoney.com.br/mercados/acoes-e-indices/noticia/7345670/dow-jones-tem-nova-derrocada-puxa-ibovespa-para-segunda-semana'
a = Article(url, language='pt')
a.download()
a.parse()
print(a.text)
html = a.html
print(html)

相关内容

  • 没有找到相关文章

最新更新