如何从Google Colab中的HTML文件提取文本

Question

我写了一些HTML文件。我想在colab中将此用作数据（文本数据）。例如，我要使用<h1> "text "</h1>中的文本，还需要提取整个类和此类人员。您能告诉我如何在Google colab中上传HTML文件，以及如何从此处提取一些文本。 预先感谢

Answer 1

您可以使用IPython.display.HTML助手来呈现HTML。

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

这里是full example：

在此处复制关键代码：

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，可以使用左侧文件浏览器面板，如下所示：