 | HTMLTOTEXTHTMLからテキストとMetainFOを抽出し、可能な限り不正なページに対処します。 |
| 今すぐダウンロード | |
HTMLTOTEXT ランキングとまとめ
広告
HTMLTOTEXT タグ
HTMLTOTEXT 説明
HTMLからテキストとMetainFOを抽出し、可能な限り不正なページに対処します。 HTMLTotextは、検索エンジン用に書かれたPythonパッケージで、HTMLページからテキスト内容とメタデータを抽出することを可能にします。 無効なマークアップと誤って指定された文字セットに対処し、HTMLタグ（タグで単語を適切に分割）しようとします。 また、スクリプトタグとスタイルタグの内容をページの本文からのテキストとしても廃棄し、ページのタイトル、およびメタ記述タグの内容を抽出します。 また、メタロボットタグを解析して、ページが索引付けされるべきかどうかを判断します。このモジュールで使用されているHTMLパーサーは、XAPIAN Search Engineライブラリ（そして具体的にはそのライブラリのOmindex索引付けユーティリティから）抽出されました。 要件： ・Python
HTMLTOTEXT 関連ソフトウェア
