Python提取文本或网页上的缩写词

吕波 2016-11-13 16:56

import re import urllib from bs4 import BeautifulSoup url = http://journals.plos.org/plosone/article?id=info%3Adoi/10.1371/journal.pone.0162069 response = urllib.urlopen(url) page = response.read() soup = BeautifulSoup(page, lxml) # kill all script and style elements for s ...

个人分类: Python|3303 次阅读|没有评论

Python提取网页中的文本

吕波 2016-11-13 16:01

import re import urllib from bs4 import BeautifulSoup url = http://journals.plos.org/plosone/article?id=info%3Adoi/10.1371/journal.pone.0162069 response = urllib.urlopen(url) page = response.read() soup = BeautifulSoup(page, lxml) # kill all script and style elements fo ...

个人分类: Python|5182 次阅读|没有评论

Python提取句子

吕波 2016-11-10 21:35

将一段话中的句子分离出来不是一件容易的事。因为句子的开头和结尾并不是很规则，而且句子内部会出现句号。这使得通过单一的正则表达式分离句子是不可能的。有时你能成功，但大多数时候你会出错。这里我们用nltk模块来做。 第一部分：使用正则表达式 import re paragraph = Mr. Smith bought cheapsite.com for ...

个人分类: Python|9850 次阅读|没有评论

本页有 7 篇博文因作者的隐私设置或未通过审核而隐藏