国产99久久精品_欧美日本韩国一区二区_激情小说综合网_欧美一级二级视频_午夜av电影_日本久久精品视频

最新文章專題視頻專題問答1問答10問答100問答1000問答2000關鍵字專題1關鍵字專題50關鍵字專題500關鍵字專題1500TAG最新視頻文章推薦1 推薦3 推薦5 推薦7 推薦9 推薦11 推薦13 推薦15 推薦17 推薦19 推薦21 推薦23 推薦25 推薦27 推薦29 推薦31 推薦33 推薦35 推薦37視頻文章20視頻文章30視頻文章40視頻文章50視頻文章60 視頻文章70視頻文章80視頻文章90視頻文章100視頻文章120視頻文章140 視頻2關鍵字專題關鍵字專題tag2tag3文章專題文章專題2文章索引1文章索引2文章索引3文章索引4文章索引5123456789101112131415文章專題3
問答文章1 問答文章501 問答文章1001 問答文章1501 問答文章2001 問答文章2501 問答文章3001 問答文章3501 問答文章4001 問答文章4501 問答文章5001 問答文章5501 問答文章6001 問答文章6501 問答文章7001 問答文章7501 問答文章8001 問答文章8501 問答文章9001 問答文章9501
當前位置: 首頁 - 科技 - 知識百科 - 正文

【PYTHON教程】提取文章摘要

來源:懂視網 責編:小采 時間:2020-11-27 14:26:51
文檔

【PYTHON教程】提取文章摘要

【PYTHON教程】提取文章摘要:在博客系統的文章列表中,為了更有效地呈現文章內容,從而讓讀者更有針對性地選擇閱讀,通常會同時提供文章的標題和摘要。一篇文章的內容可以是純文本格式的,但在網絡盛行的當今,更多是HTML格式的。無論是哪種格式,摘要一般都是文章開頭部分的內容,可以按
推薦度:
導讀【PYTHON教程】提取文章摘要:在博客系統的文章列表中,為了更有效地呈現文章內容,從而讓讀者更有針對性地選擇閱讀,通常會同時提供文章的標題和摘要。一篇文章的內容可以是純文本格式的,但在網絡盛行的當今,更多是HTML格式的。無論是哪種格式,摘要一般都是文章開頭部分的內容,可以按

在博客系統的文章列表中,為了更有效地呈現文章內容,從而讓讀者更有針對性地選擇閱讀,通常會同時提供文章的標題和摘要。

一篇文章的內容可以是純文本格式的,但在網絡盛行的當今,更多是HTML格式的。無論是哪種格式,摘要一般都是文章開頭部分的內容,可以按照指定的字數來提取。

純文本摘要

首先我們對純文本摘要進行提取,純文本文檔就是一個長字符串,很容易實現對它的摘要提取:

#!/usr/bin/env python
# -*- coding: utf-8 -*-

"""Get a summary of the TEXT-format document"""

def get_summary(text, count):
u"""Get the first `count` characters from `text`

>>> text = u'Welcome 這是一篇關于Python的文章'
>>> get_summary(text, 12) == u'Welcome 這是一篇'
True
"""
assert(isinstance(text, unicode))
return text[0:count]

if __name__ == '__main__':
import doctest
doctest.testmod()

HTML摘要

HTML文檔中包含大量標記符(如<h1>、<p>、<a>等等),這些字符都是標記指令,并且通常是成對出現的,簡單的文本截取會破壞HTML的文檔結構,進而導致摘要在瀏覽器中顯示不當。

在遵循HTML文檔結構的同時,又要對內容進行截取,就需要解析HTML文檔。在Python中,可以借助標準庫HTMLParser來完成。

一個最簡單的摘要提取功能,是忽略HTML標記符而只提取標記內部的原生文本。以下就是類似該功能的Python實現:

#!/usr/bin/env python
# -*- coding: utf-8 -*-

"""Get a raw summary of the HTML-format document"""

from HTMLParser import HTMLParser

class SummaryHTMLParser(HTMLParser):
"""Parse HTML text to get a summary

>>> text = u'<p>Hi guys:</p><p>This is a example using SummaryHTMLParser.</p>'
>>> parser = SummaryHTMLParser(10)
>>> parser.feed(text)
>>> parser.get_summary(u'...')
u'<p>Higuys:Thi...</p>'
"""
def __init__(self, count):
HTMLParser.__init__(self)
self.count = count
self.summary = u''

def feed(self, data):
"""Only accept unicode `data`"""
assert(isinstance(data, unicode))
HTMLParser.feed(self, data)

def handle_data(self, data):
more = self.count - len(self.summary)
if more > 0:
# Remove possible whitespaces in `data`
data_without_whitespace = u''.join(data.split())

self.summary += data_without_whitespace[0:more]

def get_summary(self, suffix=u'', wrapper=u'p'):
return u'<{0}>{1}{2}</{0}>'.format(wrapper, self.summary, suffix)

if __name__ == '__main__':
import doctest
doctest.testmod()

聲明:本網頁內容旨在傳播知識,若有侵權等問題請及時與本網聯系,我們將在第一時間刪除處理。TEL:177 7030 7066 E-MAIL:11247931@qq.com

文檔

【PYTHON教程】提取文章摘要

【PYTHON教程】提取文章摘要:在博客系統的文章列表中,為了更有效地呈現文章內容,從而讓讀者更有針對性地選擇閱讀,通常會同時提供文章的標題和摘要。一篇文章的內容可以是純文本格式的,但在網絡盛行的當今,更多是HTML格式的。無論是哪種格式,摘要一般都是文章開頭部分的內容,可以按
推薦度:
標簽: 教程 提取 摘要
  • 熱門焦點

最新推薦

猜你喜歡

熱門推薦

專題
Top
主站蜘蛛池模板: 91在线免费看 | 国产最新视频 | 国产精品第1页在线观看 | 日韩免费一区二区三区 | 亚洲欧美精品伊人久久 | 精品国产91久久久久 | 国产成人亚洲精品影院 | 欧美日韩精品 | 国产国产成人精品久久 | 国产精品三级一区二区 | 欧美成人猛男性色生活 | 欧美日韩ay在线观看 | 亚洲日韩精品欧美一区二区 | 国产一区二区三区在线 | 国产精品视频一区二区三区 | 国产精品久久久久免费 | 亚洲视频在线视频 | 69国产成人综合久久精品91 | 亚欧乱亚欧乱色视频免费 | 亚洲一区二区三区高清 不卡 | 欧美影欧美影院免费观看视频 | 欧美综合图区亚洲综合图区 | 国产日韩一区二区 | 亚洲四色 | 精品日韩欧美国产一区二区 | 欧美日本中文字幕 | 精品国产欧美一区二区五十路 | 国产亚洲第一页 | 欧美视频一区二区在线观看 | 国产成人精品一区二三区 | 91久久精品国产亚洲 | 国产精品亚洲精品观看不卡 | 美女一级毛片 | 国产精品一区二区在线观看 | 毛片激情永久免费 | 日韩影片在线观看 | 卡通动漫亚洲综合 | 亚洲国产成人久久综合一 | 亚洲欧美在线免费观看 | 日韩首页 | 日韩欧美亚洲国产高清在线 |