使用nltk报错

maple412

想通过nltk中的clean_html功能来清除html内容
import nltk,re,pprint
import urllib2
html='‘    /论坛发不了html链接/
h=urllib2.urlopen(html)
c=h.read()
raw=nltk.clean_html(c)
但是报如下的错误
Traceback (most recent call last):
  File "E:\python_project\test1.py", line 7, in <module>
    raw=nltk.clean_html(c)
  File "E:\python2.7\lib\site-packages\nltk\util.py", line 346, in clean_html
    raise NotImplementedError ("To remove HTML markup, use BeautifulSoup's get_text() function")
NotImplementedError: To remove HTML markup, use BeautifulSoup's get_text() function

maple412

这个有人知道吗？

substr函数

raise NotImplementedError
究竟什么是 NotImplementedError? 未实现错误?

根据 nltk\util.py:
不幸的是 clean_html 当然是未实现

1. def clean_html(html):
   
2.     raise NotImplementedError ("To remove HTML markup, use BeautifulSoup's get_text() function")
   

复制代码

解决方案 建议使用
To remove HTML markup, use BeautifulSoup's get_text() function