python - 如何在 Google Colab 中从 HTML 文件中提取文本

Question

我写了一些html文件。我想在 colab 中将其用作数据（文本数据）。例如，我想使用 in 中的文本<h1> "text "</h1>，还需要提取整个班级和此类人员。你能告诉我如何在 google colab 中上传 HTML 文件，然后从这里提取一些文本。提前致谢

标签： pythonhtmlgoogle-colaboratory

Answer 1

您可以使用帮助程序呈现 HTML IPython.display.HTML。

然后，使用eval_jshelper ingoogle.colab.output来抓取呈现的 HTML 中的文本。

这是完整的示例：

在此处复制关键代码：

from IPython.display import HTML, display
from google.colab import output

# Render the HTML.
display(HTML(open('example.html').read()))

html_text = output.eval_js('document.body.innerText')

要上传本地文件，您可以使用左侧文件浏览器面板，如下所示：