wanish 0.6.3

关于

这个包允许您通过缩小文章的大小来总结文本 几句话保留了课文的思想。

除此之外，软件包还从文档中提取以下内容：

1. 文章的规范url
2. 文章标题
3. 描述本文的图像的url
4. 去除文档中过多的信息（页眉、页脚， 导航、广告等）并基于 schema.org的结构化数据

DEMO

安装

easy_install wanish
or
pip install wanish

用法

fromwanishimportWanishwanish=Wanish()wanish.perform_url(document_url)# getting doc's source canonical urlurl=wanish.url# getting document's titletitle=wanish.title# getting url of related image if document has itimage_url=wanish.image_url# getting two-letter code of the document's language (en, de, es...)language_code=wanish.language# getting a clean html page of a document with articleclean_html=wanish.clean_html# getting a short summarized description of the article reduced to several sentences (5 by default)description=wanish.description

wanish（）类的可用Kwarg选项（都是可选的）：

wanish=Wanish(url=document_url,positive_keywords=["main","story"],negative_keywords=["banner","adv","similar","top-ad"],summary_sentences_qty=5,headers={'user-agent':'test-purposes/0.0.1'})

• url:允许在构造函数中传递文档的url。如果设置了， 然后它将自动启动self。 初始化。默认为“无”。
• 正关键字：类中正搜索模式的列表 和id，例如：[“main”，“story”]。默认为“无”。
• 负关键字：类中负搜索模式的列表 和id，例如：[“banner”，“adv”，“similar”，“top ad”]。 默认为“无”。
{STR 1 } $ SimulyYangSuthEngsEsQuQT:<强/>最大句子数量 文件的摘要文本。默认设置为5。
• headers:获取请求的其他自定义头的dict 获取文章的网页。默认为“无”。

特别感谢

• https://github.com/nltk/nltk
• https://github.com/buriy/python-readability
• https://github.com/saffsd/langid.py