如何提取HTML段落的某些部分
提取HTML段落的某些部分可以通过使用HTML解析库和正则表达式来实现。以下是一种可能的方法：
- 使用HTML解析库解析HTML文档，例如BeautifulSoup或jsoup。这些库可以将HTML文档转换为可操作的对象模型，使得提取特定部分更加方便。
- 根据HTML文档的结构和特定部分的标识符，使用合适的选择器或路径来定位目标段落。例如，如果目标段落具有特定的class或id属性，可以使用类选择器或id选择器来定位。
- 一旦定位到目标段落，可以使用库提供的方法来获取其内容。例如，使用BeautifulSoup的
.text属性可以获取标签内的文本内容。 - 如果需要提取特定的部分，可以使用正则表达式来匹配和提取所需的内容。例如，如果要提取段落中的链接，可以使用适当的正则表达式来匹配链接标签，并提取其中的URL。
以下是一个示例代码，使用Python和BeautifulSoup库来提取HTML段落的某些部分：
from bs4 import BeautifulSoup
# 假设html是包含段落的HTML文档
html = """
<html>
<body>
<p class="intro">这是一个段落。</p>
<p>这是另一个段落，其中包含一个<a href="https://www.example.com">链接</a>。</p>
</body>
</html>
"""
# 使用BeautifulSoup解析HTML文档
soup = BeautifulSoup(html, 'html.parser')
# 定位目标段落
target_paragraph = soup.find('p', class_='intro')
# 获取段落内容
paragraph_content = target_paragraph.text
print(paragraph_content)
# 提取链接
link = target_paragraph.find('a')
link_url = link['href']
print(link_url)这个例子中，我们首先使用BeautifulSoup解析HTML文档。然后，使用.find()方法定位具有class="intro"的段落，并使用.text属性获取其内容。接下来，使用.find()方法定位链接标签，并通过索引获取链接的URL。
请注意，这只是一个示例，实际情况可能因HTML文档的结构和要提取的内容而有所不同。根据具体情况，您可能需要调整选择器、路径和正则表达式来适应您的需求。
相关·内容
我需要在html解析的帮助。在这里张贴问题之前，我试图找到这个答案，但找不到。我已经将博客页面的完整html存储在一个数据库表中。现在，我想从该html中提取文本和图像。但我必须从整个html中提取特定于段落的文本和图像。
请看下面的例子，里面有很多代码标签。它有三个段落。我必须从与我的要求相关的第2段中提取文本和图像。(我有关键字，我可以搜索该关键字，这样我就可以确定我需要提取这一段。)
如何从任何博客中提取特定段落文本和图像。我有关键字在html中搜索，即关键字=产品ABC。我正在使用php。
<html>
<!-- Javascript: tag come here -
浏览 2提问于2013-05-23得票数 2
我正在开发Python中的一个工具，用于从PDF文件中提取突出显示的段落。我经常在Preview on OS X Lion中突出显示PDF，但还没有找到一个好的工具来提取这些段落。有其他的应用程序可以让你高亮显示和导出，比如Skim，但我认为必须有一种方法来提取我在Preview中添加的那些。
我认为高亮部分应该存储在HFS+文件的xattr扩展属性中，但是使用xattr查看它们后，发现它们似乎存储在其他地方。我还研究了PDFKit，但我只看到了如何创建注释，而没有找到它们。
如果有人能告诉我在哪里可以找到亮点/注释，或者告诉我一些解释这一点的文档，我将不胜感激。
浏览 0提问于2012-05-27得票数 2
回答已采纳
我有一个报告，我正在使用水晶报表的VS2008版本导出到PDF。有一个显示产品描述的字段，其中包含从我的数据库中提取的HTML数据，因此我将该字段的文本解释设置为HTML。文本以所有适当的HTML格式显示得很好，但是，段落之间只有一个行距。我已经尝试添加多个和多个标签来增加间距，但这不起作用。如何增加要导出为PDF的HTML字段中段落之间的间距？
浏览 4提问于2009-10-27得票数 1
回答已采纳
例如，我有一些带有几个句子的HTML，并且希望提取内容，并将每个句子放在自己的行中。我希望这个适用于中的所有段落--，一个命令，运行。
因此，来自：
<p>Hello. This is Alan. I am a wookie.</p>
<p>Hello. This is Bob. I am an ewok.</p>
我想要：
Hello.
This is Alan.
I am a wookie.
Hello.
This is Bob.
I am a ewok.
我可以通过运行<p>来提取所有:g/<p>/norm di
浏览 0提问于2021-09-09得票数 2
回答已采纳
1回答
我使用BeautifulSoup从html文档中提取文本，然后将文本传递给NLTK进行一些分析。HTML文件中有分页符。分页会导致连续段落被分割。
from bs4 import BeautifulSoup
soup = BeautifulSoup(html, "html5lib")
txt = (soup.get_text())
print(txt)
分割的段落如下：
该文件载有几段内容。每个段落由几个段落组成
-6-
由单词组成的句子。这些词是由字母组成的。
关于如何删除分页符和整个段落的想法？
浏览 2提问于2016-11-06得票数 1
回答已采纳
1回答
我刚接触html scraping和R，所以这对我来说是个棘手的问题。我有一个如下所示的html结构(只有正文部分)。我必须将部分分开，每个部分有x个段落。我想要的是将section1中的所有段落提取到一个对象中，并将第2节中的所有段落提取到一个对象中。
我当前的代码如下所示：
docx <- read_html("Page.html")
sections = html_nodes(docx, xpath="//div [@class='sections']/*")
这给了我一个xml_nodes对象，List为2，其中包含段落。我的问
浏览 1提问于2016-01-15得票数 1
假设我有以下HTML：
<html>
<body>
<p>This is a paragraph <!-- and a comment --></p>
</body>
</html>
我想提取<p>标记的整个文本，包括<!-- and a comment -->。使用.get_text()只返回“这是一个段落”。
我要完整的原始文本，如：This is a paragraph <!-- and a comment -->。
如何使用beautifulsoup4实现这一点？
浏览 4提问于2020-04-24得票数 1
回答已采纳
如何使用regex解析python上的文本以从以下内容中提取有效的段落
近适应为一例。通过改变透镜的形状，调节调节耐火功率，使之与被观察物体的距离相适应。问题是
我想要提取
近适应是一种住宿情况。通过改变透镜的形状，调节调节耐火功率，使之与被观察物体的距离相适应。
这意味着有效的文本应该以句号结尾，并去掉诸如“问题是”之类的东西，这是一个未完成的句子，以及字符前面的任何东西，比如\n。
另一个例子是
<p>--神经末梢的多巴胺水平由单胺氧化酶控制，该酶使突触前的神经递质失活。</p>\n</body></html>
哪个应
浏览 2提问于2018-06-02得票数 1
回答已采纳
我用python编写了一个脚本来提取特定的段落，但最后我得到了页面中的所有信息。我想用不同的I和不同的页面，例如，删除内部的段落。
<div id="content-body-123123">
这个id对于不同的页面是不同的。我如何识别这个特定的标签并仅在这个标签中提取段落呢？
url='http://www.thehindu.com/opinion/op-ed/Does-Beijing-really-want-to-
ldquobreak-uprdquo-India/article16875298.ece'
page = requests.get(
浏览 2提问于2018-01-07得票数 0
回答已采纳
我需要检查word文档中的字符串是否包含段落字符。我只想提取没有段落字符的文本。段落字符是否有一个常量？我试着检查vbnewLine和vbCrLF，但这些都不起作用。
浏览 2提问于2012-06-01得票数 0
1回答
我希望你能帮我：)
我想从html页面中提取文本内容。我使用了jsoup库，但是html页面有问题，比如
<div>
<p>paragraph
</p></div>
<div>
division content
</div>
当提取段落内容时，我得到‘段落’作为输出，当提取div内容时得到‘段落划分内容’。
作为结果，我需要一个唯一的文本--一旦我获取
内容为“段落”，那么获取内容将不包括
内容
怎么能做到呢？
这是我的密码
Elements page_content=doc.select("p");
El
浏览 1提问于2015-06-30得票数 0
回答已采纳
我的目标是从PDF文件中提取文本和图像，同时解析其结构。解析结构的范围并不详尽；我只需要能够识别标题和段落。
我尝试过几种不同的方法，但在其中任何一件事情上我都做得不太好：
将PDF转换为文本。这对我不起作用，因为我失去了图像和文档的结构。
将PDF转换为HTML。我找到了一些工具来帮助我，到目前为止最好的工具是pdftohtml。这个工具非常好的表示方式，但是我还不能成功地解析HTML。
将PDF转换为XML。和上面一样。
有人对如何解决这个问题有什么建议吗？
浏览 5提问于2009-06-02得票数 34
回答已采纳
2回答
可能重复：
我需要从一个title文件中提取段落(如StackOverflow中的html )。
我可以使用Java中的正则表达式来提取我需要的字段，但是我必须对获得的字段进行decode。
示例
提取的字段：
Paging Lucene's search results (with **;** among **'** and **s**)
解码后的字段：
Paging Lucene's search results
在java中有任何类允许我转换这些html代码吗？
浏览 1提问于2012-12-06得票数 8
我在Joomla (1.5)网站上有几篇文章。这些文章是公开的--不需要注册就能看到它们的内容。
我想添加一个段落(即，自定义HTML)到这些文章中的一些(段落将是不同的每一篇文章)，我希望该段落只对注册用户可见。非注册用户只会看到没有段落的文章(或者可能有摘要文本而不是段落，比如“注册以查看其他信息”)。实现这一目标的最好方法是什么？
我认为其中一种方法是添加一个仅对注册用户可见的自定义HTML模块。但是因为我想为每篇文章显示不同的HTML，所以我想我需要为我想要显示段落的每篇文章创建一个不同的模块。这是不合理的吗？
我的首选方式，从概念上讲(我编造这个只是为了说明我正在寻找的)，就是在文章
浏览 2提问于2009-10-12得票数 2
回答已采纳
2回答
$regex = '#<p.+</p>#s';
我的目标是返回出现在第一个段落标记和最后一个段落标记之间的大字符串。这是包括所有内容，甚至其他段落。
上面的正则表达式适用于除段落标记以外的所有内容。我测试了一下，用“html”替换“p”，返回成功，用“script”替换，并返回成功……为什么对于这些情况会返回true，但对于段落却不是？
我仍然在做这件事，并且相对确信没有奇怪的转义序列会导致正则表达式停止...我这么想是因为我可以提取出第一个和最后一个“html”标签之间的所有内容。“html”标签之间的文本还包含我未能提取的所有“p”标签。如果有某种转义或错
浏览 0提问于2012-08-19得票数 1
回答已采纳
我正在尝试编写一个VBA宏将给定的MS word文档转换为该文档中包含的文档对象的顺序列表(例如，段落、表格等)。对于这些对象中的每一个，我希望提取包含的文本及其显式格式信息，以便将其保存在DB中。
对我如何入门有什么建议吗？对于这个文档解析任务，有什么很好的解决方案吗？
浏览 1提问于2013-04-28得票数 0
1回答
我需要使用regxp从文本中提取所有段落，所以我计算匹配第一个段落并迭代所有其他段落，我面临的问题是我无法使regxp成功匹配第一个段落，我将永远感谢您的帮助！
浏览 0提问于2012-11-23得票数 2
2回答
所以我有这样的html
<div class="content">
<div class="infobox">
<p> text </p>
<p> more text </p>
</div>
<p> text again </p>
<p> even more text </p>
</div>
我使用这个选择器'.content p::text'
浏览 6提问于2016-11-13得票数 0
回答已采纳
我正在尝试从一个维基百科页面中提取段落元素，ID = 'See'，所有这些元素都放到一个列表中。 使用： import bs4
import requests
response = requests.get("https://wikitravel.org/en/Bhopal")
if response is not None:
html = bs4.BeautifulSoup(response.text, 'html.parser') plot = [] # find the node with id of "Plot&#
浏览 18提问于2020-01-29得票数 0
回答已采纳
3回答
我有一个包含大量条目的大型文件，它们有一个共同点，，第一行。
我想从一个段落中提取所有案文，其中第一行是：
文件类型:合同通知
我正在处理的HTML代码如下：
<!-- other HTML -->
<p>
<b>Type of document:</b>
" Contract Notice" <br>
<b>Country</b> <br>
... rest of text ...
</p>
<
浏览 4提问于2014-10-21得票数 0
回答已采纳
1回答
使用下面的HTML，我试图提取每个段落的html。但是，我无法找到任何方法将节点转换回HTML或查询对象。
下面是一个字符串var html = ...
<article>
<p> p1 </p>
<p> p2 </p>
</article>
html按如下方式加载：
var $ = require('cheerio').load(html)
var paragraphs = $('p').toArray().map(p => /* I want the html at
浏览 2提问于2016-06-11得票数 11
回答已采纳
1回答
例如，我有一个段落，我想以二进制的方式对其进行分类。但是因为输入必须有固定的长度，所以我需要确保每个段落都由统一的数量表示。
我所做的一件事是提取段落中的每个单词，使用GloVe word2vec对其进行矢量化，然后将所有向量相加，创建一个“段落”向量，然后将其作为输入输入到模型中。在这样做的过程中，我是否破坏了这些单词可能具有的任何意义？考虑到这两个句子有相同的向量：“我的狗咬了Dave”和"Dave咬了我的狗“，我该如何解决这个问题呢？我这样做是不是错了？
我还能用什么方法训练我的模型呢？如果我提取每个单词并将其输入到我的模型中，我如何知道应该提取多少个单词？如何输入这些单词？在2
浏览 0提问于2020-01-08得票数 2
我有一个从html字符串段落中检测数字的问题。让我首先概述一下html页面。
1表，仅包含数字
包含字母、数字和符号的1段
我想做的是，当用户按下或悬停在段落中的任何数字上时，表中相同的数字将在样式上发生变化(可能会突出显示)。
问题是，如何使用jQuery鼠标或悬停从段落中提取数字？
我一直在考虑在段落中的每个数值中添加span标记，这样我就可以使用‘$(This).find(’span‘).text(.)之后要与表中的单元格匹配。
有人能告诉我怎么开始侦查吗？Tqvm！
浏览 4提问于2016-05-24得票数 1
回答已采纳
1回答
使用内联标记解析XHTML
、、、、
我正在尝试在iPhone上使用TBXML解析XHTML文档(尽管如果使用libxml2或NSXMLParser更容易，我会很乐意)。我需要将正文的内容提取为一系列段落，并维护行内标签，例如：
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.1//EN" "http://www.w3.org/TR/xhtml11/DTD/xhtml11.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="en">
浏览 0提问于2010-04-16得票数 0
回答已采纳
我有一个1000个不同机构发表的文章的网址列表，当然每个网站都有自己的HTML布局。我正在编写python代码，只从每个URL中提取文章正文。这能由只查看< p>< /p>段落标记来完成吗？我会错过一些内容吗？还是用这种方法包括不相关的内容？
谢谢
浏览 6提问于2017-08-17得票数 0
回答已采纳
让我们说，有一个文件"abc.txt“包含一个段落/行：
Hello, how are you doing sir?
when are you going to arrive at the SBAHN platform to catch the train?
如何从“如何”到“捕获”中提取文件中的所有字符？
浏览 0提问于2014-09-21得票数 2
我试着在网站上从下面的图片中抓取数据，
相应图像的源代码如下所示：
我想使用Python从图像中提取数据并使其可读性。但是，由于源代码的结构只是一个段落，我不知道如何构造数据/使段落更具可读性。(或者我应该说我的第一个问题是，为什么像这样的段落可以显示成那样的图像)我是BeautifulSoup和html的新手，所以任何建议/指导都会受到赞赏。如果我走错了方向，也请指出。
如果您需要，请查看我想要获取的信息的网站：
理想情况下，输出将类似于以下文本(或表)，具有与原始图像相似的结构，因此很容易判断哪个数字是哪个。对于这个特定的例子，我肯定可以编写自定义函数来拆分段落并显示
浏览 1提问于2018-03-22得票数 2
1回答
超链接“目标”标签
如何从HWPF文档中提取超链接？我可以从doc文件中获取段落，并在必要时提取正确的样式，例如粗体、斜体等。但是如何识别和提取段落中的超链接？
浏览 2提问于2011-12-01得票数 1
回答已采纳
我有以下格式的Html文档。
<p> 1. Content of the paragraph <i> in italic </i> but not <b> strong </b> <a href="url">ignore</a>.</p>
我想提取段落标签的内容，包括斜体和粗体标记的内容，而不是锚标记的内容。同样，可能在开始时忽略数字。
预期输出是:段落内容以斜体字表示，但不强。
做这件事最好的方法是什么？
另外，下面的代码片
浏览 4提问于2012-01-18得票数 3
回答已采纳
我正在尝试从几个SEC 10-K文件中提取特定关键字组合之前和之后的5行，然后将这些数据导出到Excel中，以便我可以进一步手动处理它。不幸的是，我不得不依赖.txt格式的文件，而不是.html或.xblr格式的文件，因为后者并不总是可用的。我已经下载并部分清理了.txt文件，以删除不需要的标签。 简而言之，我的目标是告诉python遍历下载的.txt文件(例如，同一文件夹中的所有文件，或者简单地提供一个包含所有文件名的参考.txt列表)，打开每个文件，查找单词“累积效果”(理想情况下与其他关键字相结合，参见下面的代码)，提取其前后5行，然后将输出导出到excel中，文件名在A列，提取的段落
浏览 16提问于2019-05-15得票数 0
回答已采纳
如何从网页上的所有段落中提取完整的URL？我只能提取相对URL的。
预期： http://fr.wikipedia.org/wiki/Husni_al-Zaim
Actual: /Husni_al-Zaim
我的代码：
Elements links = doc.select("p");
Elements linkss = links.select("a");
for (Element link : linkss) {
if (link.text().matches("^[A-Z].+") == true)
浏览 2提问于2011-03-26得票数 0
2回答
我读过，但仍然有些困惑，问。
前提
根据HTML，表示一个。
4.4.1 p元素
P元素表示一个。
HTML对的解释如下：
段落通常是一系列短语内容，形成一个或多个句子的文本块，这些句子讨论一个特定的主题，如排版，但也可以用于更一般的主题分组。例如，一个地址也是一个段落，就像一个形式的一部分，一个署名，或者一首诗中的一节。
在这里，根据注释，p元素是几个表示段落的元素之一。此外，本节中定义的段落一词不仅仅用于p元素的定义。
本节中定义的段落一词不仅仅用于定义p 元素，而是用于描述如何解释文档。p 元素仅仅是标记段落的几种方法之一。。
此外，下面的HTML将视为一个段落，
浏览 12提问于2022-03-25得票数 -2
1回答
我有一个从超文本标记语言文件中提取信息的C#模块。但我的输入是一个MHT文件。如何提取MHT文件的html部分？
浏览 2提问于2012-03-07得票数 2
回答已采纳
我有一堆html文件，需要从中提取文本，但不需要提取列表的内容。html如下所示：
<html>
<Head>
<title>intranet mycompany</title>
</head>
<body>
<div>blah</div>
<p>the text i need to extract
<br>
<ul>
浏览 0提问于2012-04-19得票数 1
我正在编写一些代码(Python)来从网页中抓取文本。我的目标是找到一种方法来过滤/删除网页上不属于主文章的段落(例如广告、链接到其他文章等)。
到目前为止，我一直在使用.find_all("p")命令从文本中提取段落，虽然成功地从文本中提取了许多基本段落，但这些段落并不在每篇文章的主体/正文中。这是我现在的代码：
from urllib.request import Request, urlopen
from bs4 import BeautifulSoup
URLs = [
"https://www.elsoldetoluca.com.mx/local/propo
浏览 6提问于2021-07-27得票数 0
回答已采纳
我计划做一个内容管理系统。
系统组成：
按类别划分的页树。(按类别分列的页面树)；
网页浏览器。(网页浏览器)；
各页的内容：
格式化文本；
图片；
参考资料；
HTML格式的文本存储在数据库中。
类别树显示从数据库到Web浏览器的文本。
有必要在页面之间进行转换。
也就是说，从页面"Page_1“过渡到页面"Page_2”逻辑的必要段落：
主要用户。它在"Page_1“页上。
主要用户。点击"Page_1“页面上的链接。
副机-浏览器。打开"Page_2“页面，滚动到"Paragraph_N”("N“
浏览 1提问于2018-05-11得票数 0
回答已采纳
我有以下链接
url = "https://timesofindia.indiatimes.com/topic/Adani"
在上面的url中，我想提取标题，下面的段落和日期，在三个不同的列。
我只能提取一个新闻标题，下面的代码是这样的
results_headline <- url2 %>%
read_html() %>%
html_nodes(xpath='//*@id="c_topic_list1_1"]/div[1]/ul/li[4]/div/a/span[1]')
results_para <- url
浏览 6提问于2017-11-20得票数 1
回答已采纳
我的问题是通过Python中的regex从文件中提取特定段落(例如，通常是中间段落)。
示例文件如下：
poem = """The time will come
when, with elation,
you will greet yourself arriving
at your own door, in your own mirror,
and each will smile at the other's welcome,
and say, sit here. Eat.
You will love again the stranger who was you
浏览 4提问于2017-10-04得票数 0
回答已采纳
2回答
我想用PHP从一个大的HTML页面中提取超过100个单词的文本块。文本是否包含在<p>...</p>中并不重要。我只关心构成连贯文本块的单词数量，因此也应该考虑HTML段落之外的文本。
如何做到这一点？
浏览 2提问于2011-03-09得票数 0
回答已采纳
我想下载一个带有扫描文本图像的.html页面，就像我可以通过以下方式下载它一样：
浏览器->右键单击->将页面保存为.使用C#。
我尝试了三种不同的方法：
和2.从这里：
出发地：
我试着按照这里的建议保存该文件：
或使用
System.IO.File.WriteAllText(@"C:xy.html", htmlSourceString);
我的问题是，当我打开下载的文件时，图像上的文本会自动提取为html段落，图像就会丢失。
如何禁用此转换选项？
更新
谢谢你的答复！现在我明白了，我必须单独下载这些图片。
但我还是很好奇：，为什么会发生这种转变？
浏览 3提问于2015-12-23得票数 0
回答已采纳
3回答
我需要为HTML中显示的每个段落插入一个“奇数”或“偶数”的类属性，使用模块化和三元运算符。我提取了段落元素，但是我不知道如何在三元操作符中插入类和单词代码。我知道我的代码很糟糕，但是任何提示或建议都会很棒。
function oddEven()
{
var parArray= document.getElementsByTagName("p");
for(var i=0; i<parArray.length; i++)
{
(parArray % 2== 0)? parArray=="even" : parArr
浏览 7提问于2015-04-23得票数 1
回答已采纳
我使用请求和bs4从网页中删除数据，我有一个字符串，它包含网页中一个段落中的几个单词，我想知道如何提取包含它的整个段落。如果有人知道怎么做，请告诉我！谢谢您:)
浏览 6提问于2015-05-02得票数 0
回答已采纳
我是一个网络编程的初学者，有一些非常简单的问题。
我试图在一个段落中加粗几个单词，但我不知道如何使用HTML/CSS来实现。我已经想出了如何加粗整个段落，但还不是单个单词。我怎样才能加粗一个单词，就像我的例子中的“加粗”？
这会加粗一整段：
<html>
<head>
<style type="text/css">
p.n1
{
font:15px bold 30px Georgia,serif;
}
</style>
</head>
<body>
<p class="n1"
浏览 1提问于2012-01-30得票数 33
回答已采纳
所以我知道这可能是一个重复的问题，但我试着查找类似的问题，但我无法让任何问题对我有效。 因此，我有一个页面(http://www.globalbigdataconference.com/santa-clara/global-artificial-intelligence-virtual-conference-125/speaker-details/aaron-burciaga-114059.html)，我想从其中提取不同列表下的主题名称、摘要和配置文件。 我能够得到第一段，也就是主题。 谁能帮我在列表中获得摘要段落和简介段落。提前谢谢。
浏览 17提问于2021-08-23得票数 0
回答已采纳
在Slack中，我们用>>>开头一个引用的段落。
是否有办法结束引用的段落，并继续在同一条消息中写入更多的未引用文本？
浏览 0提问于2019-07-20得票数 1
我对BeauitfulSoup非常陌生。
如何从html源代码中提取段落中的文本，在有a时将文本拆分，并将其存储到数组中，以便数组中的每个元素都是段落文本中的一个块(由a拆分)？
例如，对于以下段落：
<p>
<strong>Pancakes</strong>
<br/>
A <strong>delicious</strong> type of food
<br/>
</p>
我希望将其存储到以下数组中：
['Pancakes', 'A de
浏览 3提问于2020-06-26得票数 1
回答已采纳
1回答
我想通过python在html中提取段落。我使用了lxml模块，但它并不能完全满足我的需求。
print html.parse(url).xpath('//p')[1].text_content()
<span id="midArticle_1"></span><p>Here is the First Paragraph.</p><span id="midArticle_2"></span><p>Here is the second Paragraph.<
浏览 4提问于2011-02-18得票数 2
回答已采纳
我有一个杂乱无章的旧MCQ文档，我把它转换成HTML，以漂亮的方式提取MCQ，使它变得有用&很容易创建一个Microsoft表单。
我想从中提取MCQ的问题集可以获得。
现在我想要的是将这个文件转换成类似于这样的样子()
我编写了下面的代码来提取我需要的段落，但它也从表格中提取段落，这些段落对于为问题创建列表和为每个问题的潜在解决方案创建列表并不有用。我的代码现在如下：
from bs4 import BeautifulSoup
import os
from nltk.tokenize import RegexpTokenizer
# Read .docx file in
浏览 5提问于2022-10-16得票数 0
回答已采纳
如何使用nextSibling在该段中提取段落文本？我尝试过许多变体，例如nextSibling.nodeValue或nextSibling.textContent，但它们都不起作用。
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
<title></title>
<script>
window.onload = function() {
var a = document.getEl
浏览 3提问于2016-11-30得票数 0
回答已采纳
假设我们有一组xml记录。每个记录都有一个<paragraph> pla pla pla </paragraph>。如何从所有记录的所有段落中提取distinctive-terms？而不是分别从每个段落中提取。下面的代码分别从每个段落中提取distinctive-terms。
for $record in /rec:Record
for $record in /rec:Record
let $distinct-terms:= cts:distinctive-terms(<info>{$record/rec:paragraph } </in
浏览 2提问于2016-07-12得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
