如何在 Google Colab 中从 HTML 文件中提取文本答案

【问题标题】：How to extract text from an HTML file in Google Colab如何在 Google Colab 中从 HTML 文件中提取文本
【发布时间】：2021-01-22 20:32:22
【问题描述】：

我写了一些 html 文件。我想在 colab 中将其用作数据（文本数据）。例如，我想使用<h1> "text "</h1> 中的文本，还需要提取整个班级和这种员工。你能告诉我如何在 google colab 中上传 HTML 文件，然后从这里提取一些文本。提前致谢

【问题讨论】：

标签： python html google-colaboratory

【解决方案1】：

您可以使用 IPython.display.HTML 帮助器呈现 HTML。

然后，使用 google.colab.output 中的 eval_js 帮助器来抓取呈现的 HTML 中的文本。

这是full example：

这里复制关键代码：

from IPython.display import HTML, display
from google.colab import output

# Render the HTML.
display(HTML(open('example.html').read()))

html_text = output.eval_js('document.body.innerText')

要上传本地文件，您可以使用左侧文件浏览器面板，如下所示：

【讨论】：

非常感谢，这肯定是一个解决方案。你知道如何上传文件表单comp，而不用在python中复制HTML代码吗？
当然，我在编辑中添加了一些文件上传指针。
最后一个问题，你知道如何提取无序列表吗？我有这个 unlist 的类名