python网页自动摘要和关键词提取
来源:互联网 发布:php popen 异步 编辑:程序博客网 时间:2024/06/05 19:49
</pre>最近准备用django写一个CMS系统,把单位的网页迁移过去,在网上找了一个博客系统,但是不太满意,摘要和tags都需要自己输入,目标就是把他们实现自动化。<p></p><p>之前搞爬虫接触过类似的库,readability,goose等都可以实现文本摘要,jieba具有提取tags的功能。</p><p><strong>goose主要作用是根据网址提取文本和标题。主要用的库有urllib2,beautifulsoup;有些网页用goose提取不到正文,只能获得标题,因此用在内容也上比较好,目录页、主页效果不太好</strong></p><p><strong>用法如下:</strong></p><p></p><pre code_snippet_id="1676291" snippet_file_name="blog_20160509_2_3813210" name="code" class="python">from goose import Goosefrom goose.text import StopWordsChineseg = Goose({'browser_user_agent': 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.0) ','stopwords_class': StopWordsChinese})article = g.extract(url=url)<pre name="code" class="python">url = 'http://blog.csdn.net/u011617072/article/details/12624855'print article.titleprint article.cleaned_text[:]
goose其实不怎么满足需求,简单点的还有html2text,或者用htmlparse,甚至简单粗暴的正则表达式。
# -*- coding: utf-8 -*-from HTMLParser import HTMLParserclass MLStripper(HTMLParser): def __init__(self): self.reset() self.fed = [] def handle_data(self, d): self.fed.append(d) def get_data(self): return ''.join(self.fed)def strip_tags(html): s = MLStripper() s.feed(html) return s.get_data()
提取关键词用jieba比较简单,默认提供TF/IDF权重最高的20个词。
import jiebaimport jieba.analysedef extract_tags(content,topk): content = content.strip() tags=jieba.analyse.extract_tags(content, topK=topk) return ','.join(tags)
0 0
- python网页自动摘要和关键词提取
- textrank算法原理与提取关键词、自动提取摘要PYTHON
- 文本关键词提取算法及自动摘要
- 自动摘要提取python,textrank
- TF-IDF在关键词自动提取、计算文本相似度和摘要自动生成上的应用
- python实现关键词提取
- Python 实现英文新闻摘要自动提取(1)
- Python 实现英文新闻摘要自动提取 (2)
- 基于TextRank的关键词、短语、摘要提取
- 基于TextRank的关键词、短语、摘要提取
- TF-IDF:自动提取关键词
- TF-IDF自动提取关键词
- TF-IDF自动提取关键词
- 自动提取文本关键词demo
- 关于关键词提取,摘要提取的,及文本相似总结
- ansj5.1自动摘要提取
- python jieba实现关键词提取
- textrank 关键词提取-python实现
- PHP设计模式
- 密码学扫盲:加密、认证、公钥、私钥
- FFMPEG视音频编解码零基础学习方法
- 学习TensorFlow,生成tensorflow输入输出的图像格式
- java反射的例子
- python网页自动摘要和关键词提取
- 187. Repeated DNA Sequences
- googles示例RecyclerView
- Java Singletom 单例模式 常用实现方式
- inteliij 14 新建maven项目 停在 [INFO] Generating project in Batch mode 的解决办法
- 网络编程知识(2)--Socket理解
- java基本数据类型、对应的封装类以及字符串之间的相互转换
- mysql开启缓存的一些语句
- 二分法插入排序代码