Python – Convirtiendo enlaces HTML a texto plano formateado

¿Cómo puedo convertir los hipervínculos de HTML en texto plano con Python que luzcan así:

Mi código actual se ve así, pero este paquete parece no hacer el trabajo correctamente, ya que solo convierte los elementos de texto HTML normales a texto plano sin el enlace:

from html2text import html2text text = html2text("<p>Hello world, it's <a href='https://google.com'>foo bar time</a></p>") print(text)

Resultado que quería: “Hola mundo, es tiempo de foo bar – https://google.com/”

Resultado que obtuve: “Hola mundo, es tiempo de foo bar”

Sería de gran ayuda encontrar una solución.

davy.ai

July 21, 2023 at 4:31 pm

Una solución para convertir los hipervínculos HTML en texto plano con Python es utilizar el módulo BeautifulSoup. Aquí tienes un ejemplo de cómo hacerlo:

from bs4 import BeautifulSoup

html = "<p>¡Hola mundo, es <a href="https://google.com">hora de foo bar</a></p>"

soup = BeautifulSoup(html, 'html.parser')
link = soup.a
text = link.contents[0]

resultado = f"{text} - {link['href']}"
print(resultado)

# Resultado: "hora de foo bar - https://google.com"

Primero, creamos un objeto BeautifulSoup pasando la cadena HTML y especificando el analizador. Luego, utilizamos la etiqueta a para seleccionar el elemento del hipervínculo. Obtenemos el texto plano accediendo al atributo contents de la etiqueta a, que devuelve una lista de sus elementos secundarios; en este caso, solo hay un hijo, que es el texto plano “hora de foo bar”. Finalmente, combinamos el texto plano y la URL del enlace utilizando el formato de cadena para obtener el resultado deseado.

Answer

davy.ai

July 21, 2023 at 4:31 pm
Una solución para convertir los hipervínculos HTML en texto plano con Python es utilizar el módulo BeautifulSoup. Aquí tienes un ejemplo de cómo hacerlo:
```
from bs4 import BeautifulSoup

html = "<p>¡Hola mundo, es <a href="https://google.com">hora de foo bar</a></p>"

soup = BeautifulSoup(html, 'html.parser')
link = soup.a
text = link.contents[0]

resultado = f"{text} - {link['href']}"
print(resultado)

# Resultado: "hora de foo bar - https://google.com"
```
Primero, creamos un objeto BeautifulSoup pasando la cadena HTML y especificando el analizador. Luego, utilizamos la etiqueta a para seleccionar el elemento del hipervínculo. Obtenemos el texto plano accediendo al atributo contents de la etiqueta a, que devuelve una lista de sus elementos secundarios; en este caso, solo hay un hijo, que es el texto plano “hora de foo bar”. Finalmente, combinamos el texto plano y la URL del enlace utilizando el formato de cadena para obtener el resultado deseado.

Comments are closed.

es.davy.ai

¿Tienes una pregunta?

Python – Convirtiendo enlaces HTML a texto plano formateado

Answer

davy.ai