htmltotext. Extrahieren von Text und etwas Metainfo von HTML, das mit fehlerhaften Seiten, so gut wie möglich fertig sind.
Jetzt downloaden

htmltotext. Ranking & Zusammenfassung

htmltotext. Stichworte

HTML Text Metadaten extrahieren. HTML auf Text. extrahieren Textinhalt HTML2TXT

htmltotext. Beschreibung

Extrahieren Sie Text und einige Metainfo von HTML, um mit fehlerhaften Seiten so gut wie möglich fertig zu werden. HTMLTotext ist ein Python-Paket, das für eine Suchmaschine geschrieben wurde, um den Textinhalt und Metadaten von HTML-Seiten zu extrahieren. Es versucht, mit ungültigem Markup und falsch angegebenen Zeichensätzen fertig zu werden, und streift HTML-Tags (aufteilen Sie Wörter angemessen in Tags) aus. Es verwirft auch den Inhalt von Skript-Tags und Style-Tags. Als Text vom Körper der Seite, extrahiert er den Seitentitel und den Inhalt der Meta-Beschreibung und des Keyword-Tags. Es wird auch Meta-Roboter-Tags analysiert, um zu bestimmen, ob die Seite indexiert werden soll. Der von diesem Modul verwendete HTML-Parser wurde aus der Xapian-Suchmaschinenbibliothek (und insbesondere vom OMINDEX-Indexierungsdienstprogramm in dieser Bibliothek extrahiert. Anforderungen: · Python

htmltotext. Zugehörige Software