python - Python：报纸模块 - 使用 html 标签提取文本

Question

我做了一个代码：

from newspaper import Article
url = 'http://www.infomoney.com.br/mercados/acoes-e-indices/noticia/7345670/dow-jones-tem-nova-derrocada-puxa-ibovespa-para-segunda-semana'
a = Article(url, language='pt')
a.download()
a.parse()
print(a.text)

但是我需要带有 html 标签的文本，例如，我需要文本中的 img 标签。

Answer 1

这个问题是在一年前提出的，但有人可能会通过谷歌找到这个问题。

您可以使用“a.article_html”获取文章文本中的图像和其他 html。

from newspaper import Article

a = Article('https://www.nytimes.com/2019/04/25/us/politics/joe-biden-anita-hill.html', 
    keep_article_html=True, 
    language='en')
a.download()
a.parse()

print(a.html) # This article's unchanged and raw HTML
print(a.article_html) # The HTML of this article's main node

记住参数“keep_article_html=True”

Answer 2

您可以通过html成员获取 html。

from newspaper import Article
url = 'http://www.infomoney.com.br/mercados/acoes-e-indices/noticia/7345670/dow-jones-tem-nova-derrocada-puxa-ibovespa-para-segunda-semana'
a = Article(url, language='pt')
a.download()
a.parse()
print(a.text)

html = a.html
print(html)