は、私が存在する指定されたテキストを抽出したい

Question

ウェブページのpythonのテキスト存在は、CssSelectorを使用せずにどこでもウェブページであることができ、これまで提供されたテキスト+段落全体を抽出し、XPathの、クラス名、等...

私は次のコードを持っています：

私はこのコードを使用して同じテキスト抽出プロセスを実行しましたが、bs4を使って正常に動作しました。

soup = BeautifulSoup(data, "html.parser") 
for da in soup.find_elements(text=re.compile(keyword)): 
    print da.text 

キーワードを使用して段落または説明のみを抽出できる方法はありますか？

Answer 1

あなたは「ガチョウ」モジュールを使用してページ上のすべてのテキストを抽出するのであればどのような、そして、すべてのものを反復し、与えられた文章中のキーワードを見つけ、このような何か：

from goose import Goose 

keyword = 'I can only extract paragraphs' 

g = Goose(config={'enable_image_fetching':False}) 
article = g.extract(url='https://stackoverflow.com/questions/44444456/extract-the-provided-text-whole-paragraph-where-ever-the-text-present-in-webpa') 
text = article.cleaned_text 
_sent = [sent for sent in text.split('\n') if keyword in sent] 

print _sent 
#[u'is there any method ?? so that ""I can only extract paragraphs or Description using the keyword""'] 

がUPDATE：追加のモジュールが必要：pyteaser。あなただけのテキストにキーワードを含めることを確認してください段落全体が必要な場合は、関数が用意キーワード

from pyteaser import Summarize 
from goose import Goose 

def teaser(title,text): 
    summaries = Summarize(title,text) 
    return summaries 



g = Goose(config={'enable_image_fetching':False}) 
article = g.extract(url='http://en.wikipedia.org/wiki/Rahul_Dravid') 
text = article.cleaned_text 

print teaser('Dravid',text)