支持python3的快速html到文本解析器（文章可读性工具）
readability-lxml的Python项目详细描述
python可读性
给定一个html文档，它会取出主体文本并将其清理。
这是arc90’s readability project的ruby端口的python端口。
安装
使用pip很简单，只需运行：
$ pip install readability-lxml
使用量
>> import requests
>> from readability import Document
>>
>> response = requests.get('http://example.com')
>> doc = Document(response.text)
>> doc.title()
>> 'Example Domain'
>> doc.summary()
>> u'<html><body><div><body id="readabilityBody">\n<div>\n <h1>Example Domain</h1>\n
<p>This domain is established to be used for illustrative examples in documents. You may
use this\n domain in examples without prior coordination or asking for permission.</p>
\n <p><a href="http://www.iana.org/domains/example">More information...</a></p>\n</div>
\n</body>\n</div></body></html>'
更改日志
- 0.7.1对Python3.7的支持。修复了处理具有大量空格的文档时的速度减慢问题。
- 0.7改进了HTML5标签处理。修复了剥离不需要的HTML节点（以前只删除了第一个匹配的节点）。
- 0.6最终是一个支持python版本2.6、2.7、3.3-3.6的版本
- 0.5准备一个版本以支持python版本2.6、2.7、3.3和3.4
- 0.4添加视频加载，允许每个段落有更多图像
- 0.3添加了document.encoding、positive_keywords和negative_keywords
许可
此代码在the Apache License 2.0许可证下。
感谢
- 最新readability.js
- Starrhorne和IterationLabs的Ruby端口
- Python port作者：gfxmonk
- 减少工作量<；http://www.minvolai.com/blog/decruft-arc90s-readability-in-python/>；移动到lxml
- “br to p”修复readability.js，提高了较小文本的质量
- GitHub用户贡献。
欢迎加入QQ群-->： 979659372
