Paquet : python3-html-text (0.7.0-1)

[ Paquet source : html-text  ]

extraction de texte à partir d’HTML

En quoi html_text est-il différent de .xpath('//text()') de LXML ou .get_text() de Beautiful Soup ?

 – le texte extrait avec html_text ne contient pas de styles inline, de
   javascript, de commentaires ou d’autres textes qui sont normalement visibles
   pour les utilisateurs ;
 – html_text normalise les espaces blancs, mais d’une façon plus agréable que
   .xpath('normalize-space()), ajoutant des espaces autour des éléments inline
   (qui sont utilisés comme éléments block dans le marquage HTML) et essayant
   d’éviter l’ajout d’espaces supplémentaires pour la ponctuation ;;
 – html-text peut ajouter de nouvelles lignes (par exemple, après les en-têtes
   ou les paragraphes), de façon à ce que le texte produit ressemble plus à son
   rendu dans les navigateurs.

Autres paquets associés à python3-html-text

• dep: python3

  langage orienté objet interactif de haut niveau – version par défaut de Python 3

• dep: python3-lxml

  liaison Python pour les bibliothèques libxml2 et libxslt

• dep: python3-lxml-html-clean

  blocklist-based HTML cleaner

Télécharger python3-html-text

Télécharger pour toutes les architectures proposées

Architecture	Taille du paquet	Espace occupé une fois installé	Fichiers
all	9,9 ko	40,0 ko	[liste des fichiers]