我一直在尝试使用
myNews=urlopen(url).read()
myNews=nltk.clean_html(myNews)
我收到以下错误:
在clean_html中的文件“/usr/local/lib/python2.7/dist-packages/nltk-3.0.0-py2.7.egg/nltk/util.py”，第346行
引发NotImplementedError(“要删除HTML标记，请使用BeautifulSoup的get_text()函数”)
NotImplementedError:要删除HTML标记，请使用BeautifulSoup的get_text()函数
当我查看文件util.py时，我看到它没有实现:
def clean_html(html):
raise NotImplementedError ("To remove HTML markup, use BeautifulSoup's get_text() function")
应该不执行吗？
最佳答案
clean_html()和clean_url()是NLTK中的一个可爱函数，由于BeautifulSoup可以更好地完成工作并解析标记语言，因此已删除了该函数，请参阅https://github.com/nltk/nltk/commit/39a303e5ddc4cdb1a0b00a3be426239b1c24c8bb
这是BeautifulSoup的文档:http://www.crummy.com/software/BeautifulSoup/bs4/doc/
关于python-2.7 - Python nltk.clean_html未实现，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/26002076/