html-parsing

-3熱

1答えて

間のテキストを削除します。 <b class="bold"> some bold text </b> main text <li>list text</li> <script> script text </script> を、私は、タグとタグの間のすべてのテキストが、私は「メインを取得する必要があり、この例ではを削除されることを必要としますテキストはタグがない唯一のテキストだからです。

0熱

2答えて

Jsoup：メタタグからコンテンツの値を抽出するのに役立つ必要があります

本質的に、この特定のコインの価格を印刷しようとしています。ここに私のプログラムです。 package ZecPrice; import java.io.IOException; import java.io.InputStreamReader; import java.io.BufferedReader; import java.net.*; import org.jsoup.Jsou

0熱

1答えて

私は（<a href="https://search.google.com/structured-data/testing-tool" rel="nofollow noreferrer">Google Structured Data Test Tool</a>がやって道のような）プログラムでHTMLコンテンツから<a href="http://schema.org/" rel="nofollow noreferrer">microdata schema</a>を解析するミクロスキーマパーサ

がJobPostingとWebsiteスキーマを含むHTMLを与え、ツールは2つのオブジェクトJobPostingとWebsiteを検出し、返します。関連するプロパティ情報を含む。これにはどのような方法が最適ですか？でHtmlコンテンツを検証するか、通常のHTML処理を行うには、XSDスキーマを作成する必要がありますか？それを行う良いライブラリがありますか？

0熱

2答えて

xml.minidomが壊れたXMLを解析できるか

注： bs4とlxmlはオプションではないので、サードパーティのモジュールを使用することはできません。 Python 3 std libでHTMLを解析する必要があります。私はxml.minidomが行く方法だと思ったが、構文エラーのような例外をスローせずに無効なXML/HTMLを解析することはできないようだ。 xmlモジュール内で何か探しているものが見つからないのですか？私はstdライブラリで

0熱

2答えて

PythonがウェブサイトのHTMLタグを削除していません

<の中のテキストを削除しようとしています（htmlタグ）、その結果を新しいファイルに書き込みます。例えば、テキストの1行は次のようになります。 < asdf> Text <here>more text</asdf> だからプログラムは、出力ファイルに記述します。「複数のテキストをテキスト」、htmlタグの中にあるものを除きます。これは、これまでの私の試みです： import urllib.r

1熱

1答えて

BeautifulSoupのliタグの間にあるspanタグからテキストを取得するにはどうすればよいですか？

私はBeautifulSoupを使ってウェブサイトから製品サイズを取得しようとしていますが、ここでは固まってしまいました。私はテキストを取得する必要があります： S, M, L, XL, XXL, XXXL, 4XL, 5XL コード： import bs4 from urllib.request import urlopen as uReq from bs4 import Beaut

-1熱

1答えて

パイソン、BeautifulSoup4：それぞれ複数の属性が複数の値に等しい要素を選択

<TABLE cellSpacing=0 cellPadding=0 width=700 border=0 617px; HEIGHT: 22px 23px 536px;> ... </TABLE> 私は上記のようなすべての要素を選択する：タグはTABLEであり、そしていくつかの属性（cellSpacing=0,cellPadding=0,width=700,border=0）があ

0熱

1答えて

ルート要素に続く文書のマークアップは整形式である必要があります。事前にウェブページを修正できません。

URLを抽出しようとしているウェブページを解析しようとしています。 [...] var html = UrlFetchApp.fetch('https://cse.google.com/cse?q=example&cx=006680642033474972217%3A6zo0hx_wle8#gsc.tab=0&gsc.q=example&gsc.page=1').getContentText()

0熱

4答えて

だけBeatifulSoup

を使用してのdivからテキストを抽出するために、どのように私はそのようなDIVをcontaing HTMLページを持っている： <div class="item-content"> <p>Bla bla bla <em>Name</em> Ba bla bla.</p> <p>Bla bla bla.</p> <p> <a href="https://example.

0熱

3答えて

html文字列内の要素をjQueryで削除する方法

私はHtml文字列を持っています。これをhtmlに解析して、preタグを削除してその子要素を削除します。 HTMLString = "<p>a paragraph</p><p>second Paragraph</p><pre><script> function(){ &n