原书出处
社交网站的数据挖掘与分析(原书第2版)
们清理干净。示例4-4提供了如何通过引入
cleanHtml从一条记录的content字段中提取出纯文本内容的例子。它利用了NLTK提供的clean_html函数以及另一个非常方便的用来处理HTML的包BeautifulSoup,它将HTML内容转换为纯文本。如果你还没有使用过BeautifulSoup,一旦你将它放到你的工具箱中,你就再也离不开它了。即使HTML无效并且违反了标准或者存在其他可预期
的异常(web数据的形式s),它也能合理
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0074.html
EPUB SHA-256:06582ecdf071724c9e218bc2698d2fff4e82a992d672b287e4c2e6092c924bcf