有没有办法在 python 中使用可读性（文本提取算法）和自定义算法从文本中提取链接？答案

【问题标题】：Is there a way to use readability (text extraction algorithm) and a custom algorithm in python to extract links from text?有没有办法在 python 中使用可读性（文本提取算法）和自定义算法从文本中提取链接？
【发布时间】：2011-06-03 02:59:15
【问题描述】：

有没有办法在 python 中使用可读性（文本提取算法）和自定义算法从文本中提取链接？

我想找出一种方法来提取文本正文中的链接。

1.) 我在 python 中使用可读性https://github.com/gfxmonk/python-readability

2.) 我想以某种方式将提取的文本与原始 html 文本进行比较，以便在文章的实际正文中提取链接。

【问题讨论】：

标签： python html-content-extraction text-extraction

【解决方案1】：

嗯，看起来它返回了一个 BeautifulSoup 树。因此，您应该能够执行以下操作：

article = page.summary()   # Extract article using readability
article.findAll("a")       # Return a list of all links in the article

【讨论】：

BeautifulSoup 绝对是必经之路。
@Sri：Readability 已经使用 BeautifulSoup。它旨在减少页面内容，减去广告、导航等。