问题标签 [goose]

我正在尝试使用Python-Goose extractor。我安装了 virtualenv，并按照设置说明进行操作。从 PyCharm 运行时，一切正常。

但是从 Windows 命令提示符运行时，我收到此错误：

我在这里做错了什么？

这是它在 PyCharm （大）中工作的图像：

goose 安装将 goose 放在 python-goose 目录中。当我尝试在 IDLE 提示符下导入 goose 时，我得到：

因为 goose 安装在 python-goose 目录中，我相信导入语法应该是： from python-goose.goose import Goose 但是当我运行它时，我收到以下语法错误消息：

任何有关如何正确导入鹅的建议将不胜感激。

我正在尝试将 Goose-2.1.22 实施到我的一个应用程序中。但是，当我尝试使用他们提供给我的基本代码运行我的应用程序时，我收到此错误：

这是使用 goose 的代码（方法调用 from onCreate()）

任何想法如何解决我的问题？感谢大家！

我在安装 goose 时遵循了https://github.com/grangier/python-goose的确切说明，在输入“mkvirtualenv --no-site-packages goose”后，我得到了：

我已经使用'sudo pip install virtualenv/virtualenvwrapper'安装了virtualenv和virtualenvwrapper，最奇怪的是我似乎仍然设法进入goose虚拟环境（似乎是这样）。克隆到 git repo 并切换到之前克隆的目录 python-goose 后，我尝试运行“pip install -r requirements.txt”和“python setup.py install”，这些是错误：

我不确定具体出了什么问题，因为我从头开始尝试了几次，我删除了目录“python-goose”和“./virtualenv”以及来自 .bash_profile 的路径。

任何帮助将不胜感激！

谢谢

PS 我正在使用带有 Python 2.7 的 Anaconda。

我是 goose-extractor 的一个问题这是我的代码：

看看我的问题。

有什么建议么 ？

我是一个糟糕的程序员或隐藏的错误在 python 中不可见

我正在尝试从 .html 文件中读取内容（为方便起见，此处指定了 URL）[1]。但有时它不显示任何文本。请帮我解决这个问题。

使用的 Goose 版本：https ://github.com/agolo/python-goose/ 当前版本给出了一些错误。

这似乎是最受尝试的维护。此外，尝试过鹅和锅炉管都不起作用。

后来也想翻译：

Goose 是一个从 url 中提取句子、照片、图片等的工具。这个工具是用python写的。所有代码都在以下 URL 中。

https://github.com/grangier/python-goose/tree/develop/goose

我的主要目的是为当前版本中未包含的其他语言添加处理。

首先，我阅读了教程，通过设置“stop_words”参数，可以使用中文和韩文和阿拉伯文。

因此，我还在整个包中搜索了“stop_words”这个概念。
我找到了以下 python 类。

类 StopWords(object): 类 StopWordsChinese(StopWords): 类 StopWordsArabic(StopWords): 类 StopWordsKorean(StopWords):

我还发现了用各种语言编写的停用词的文本文件。这些文件所在的地方就是上面URL中的/resource/text/。

QUESTION 1: 包中是否还有其他组件可以重写这些 Goose 代码并添加日语和所有其他语言的版本，这些版本不包含在最新版本中？

.

问题 2：作为第一步，我想添加日语程序。是否有从日语 URL 中抓取网页的提示？

我对 goose 提取的文本有一个小的正则表达式问题。

我已经使用 Goose 从 html 页面中提取了干净的文本，goose 给出的输出很好，但是有一个小问题。我得到下面的字符串。

请在下面找到代码：

我如何摆脱反斜杠。

我正在尝试使用 python goose extractor 从纽约时报中提取文章。

我尝试使用标准的 url 检索方式：

但是，这会产生一个空字符串。所以我尝试了通过文档推荐的以下方式：

再次为“cleaned_text”返回一个空字符串。html是从网站上检索的。我也尝试过使用请求，但结果相同。

我假设这是一个 python goose 问题，无法从返回的原始数据中提取文章正文。我之前搜索过，但找不到任何可以解决我的问题的结果。