免费注册 查看新帖 |

Chinaunix

  平台 论坛 博客 文库
最近访问板块 发新帖
查看: 2809 | 回复: 0
打印 上一主题 下一主题

[文本处理] 用vim如何从这个html中提取 关键词 及 音标? [复制链接]

论坛徽章:
8
2016科比退役纪念章
日期:2018-10-24 08:24:0115-16赛季CBA联赛之北控
日期:2019-03-12 14:34:562016科比退役纪念章
日期:2019-04-01 10:33:0915-16赛季CBA联赛之山东
日期:2019-04-17 12:46:3215-16赛季CBA联赛之广夏
日期:2019-05-09 16:40:4015-16赛季CBA联赛之广夏
日期:2019-10-10 15:33:4015-16赛季CBA联赛之辽宁
日期:2019-10-15 08:37:0615-16赛季CBA联赛之北控
日期:2021-03-30 15:53:34
1 [报告]
发表于 2019-10-15 08:34 |显示全部楼层
vim 不会。
本来简单的文本用正则也可以,html嘛,不想烧脑 还是用html解析库吧。
下面是 用python3+lxml 实现的,仅供参考。
  1. from lxml import etree

  2. html = etree.parse("hair.html",etree.HTMLParser())
  3. Synonym = html.xpath('//div[@id="content"]/div[1]/span/a[@href="javascript:;"]/text()')
  4. Meaning = html.xpath('//div[@id="content"]/div[1]/span[last()]/text()')
  5. Meaning = Meaning[0].split("\xa0")[1]
  6. with open("result.txt","w",encoding="utf-8") as fw:
  7.     fw.writelines("Synonym:{}\n".format(",".join(Synonym)))
  8.     fw.writelines("Meaning:{}".format(Meaning))
复制代码


结果:
  1. Synonym:fuzz,hair's-breadth,haircloth,hairsbreadth,pilus,tomentum,whisker
  2. Meaning:[her /heə]
复制代码
您需要登录后才可以回帖 登录 | 注册

本版积分规则 发表回复

  

北京盛拓优讯信息技术有限公司. 版权所有 京ICP备16024965号-6 北京市公安局海淀分局网监中心备案编号:11010802020122 niuxiaotong@pcpop.com 17352615567
未成年举报专区
中国互联网协会会员  联系我们:huangweiwei@itpub.net
感谢所有关心和支持过ChinaUnix的朋友们 转载本站内容请注明原作者名及出处

清除 Cookies - ChinaUnix - Archiver - WAP - TOP