Проксимов
Но только в даркнете
Way
get_text() берет только текст, без <a>
Проксимов
Как мне тогда вытащить текст через bs4 + чтобы в нем была сылка?
Обратится к документации? Я пока не вижу вопроса нормального. Что есть, что надо кратко опиши
Way
Задача спарсить сайта с новостями текст статьи + вставить ссылки в формате
<a href="URL">SOMETEXT</a> = SOMETEXT[URL]
Way
Поэтому я и использовал регулярки
Проксимов
Way
Я то сам не знал
Way
Да7
Way
Думаю, ай да напишу сюда, пока доки читаю
Way
через bs4 я могу либо взять href как атрибут и сохранить
Way
Либо получить текст
Way
А если у меня будет страница
<a href="domain.com">SOMETEXTDUP</a>ANYTEXT SOMETEXTDUP
Way
То я сохраню ссылку, и как мне узнать к какому из SOMETEXTDUP она относится?!
Yurii
То я сохраню ссылку, и как мне узнать к какому из SOMETEXTDUP она относится?!
А если не получится сохранить
Way
Еще один самый умный :/
Yurii
То я сохраню ссылку, и как мне узнать к какому из SOMETEXTDUP она относится?!
Сохраняй больше данных о ссылке, в чем проблема?
Way
Сохраняй больше данных о ссылке, в чем проблема?
Каких данных, дядя? У тебя есть текст ссылки и сама ссылка
Way
после get_text() у тебя только текст
Way
каких данных?!
Yurii
Есть текст, есть ссылка
Проксимов
Проксимов
Тебе в @ru_python_beginners
Way
и к одному из них привязана ссылка
Way
после get_text остается только слово
Way
Причем тут словарь?
Way
Вот у тебя есть страница
https://pastebin.com/hEARZqfw
В ней есть ссылки привязанные к словам
Проксимов
Что мешает получить сначала ссылку, а потом текст?
Way
Что мешает получить сначала ссылку, а потом текст?
Ничего, но задача отформатировать текст так, чтобы было WORD[URL]
Way
А если будет 2 и более одинаковых WORD, то как мне явно указать, к какому из них принадлежит ссылка?
Проксимов
А если будет 2 и более одинаковых WORD, то как мне явно указать, к какому из них принадлежит ссылка?
И как эту проблему решает регулярка?
Way
И как эту проблему решает регулярка?
re.sub(r'<a href="([^\"]*)" [^>]+>([^</a>]+)</a>', r'\2[\1]', copy_item)
Way
Но на выходе это уже не объект BS4, а тупо текст
Way
И тогда приходится распарсивать все теги
Way
чтобы засейвить ссылки
Way
Теперь ты понял проблему?
Проксимов
Нихуя не понял, сорри, щас не в состоянии вникать
Проксимов
Но я тебе гарантирую что всё можно сделать без регулярки просто подумав
Way
Ну вот я не смог додуматься
Way
Как мне вытащить ссылку из текста и приклеить к слову, к которому эта ссылка относится
Way
Только по регам
Alex
Way
И че мне это даст?
Way
Ты чат читал выше?
Nikolay Markov
import bs4
Nikolay Markov
Остальное сам читай в доке
Nikolay Markov
Рекомендую попробовать ещё раз
Way
Попробуй отдохнуть. Потом попробуй метод уточки
Я согласен, что реги это не выход, но вариков 0 иначе, как мне кажется
Проксимов
Что за метод?
https://ru.wikipedia.org/wiki/%D0%9C%D0%B5%D1%82%D0%BE%D0%B4_%D1%83%D1%82%D1%91%D0%BD%D0%BA%D0%B0
Yurii
Как мне вытащить ссылку из текста и приклеить к слову, к которому эта ссылка относится
Ссылка вытаскивается парсером, текс с ссылкой объединяется в словарь.
Way
Ссылка вытаскивается парсером, текс с ссылкой объединяется в словарь.
Я повторюсь, и что мне это даст?
Way
К примеру у тебя в html коде 3 одинаковых слова, твоя задача вытащить весь текст, и сохранить ссылку в формате WORD[URL]
Way
Я выше писал, в чем проблема
Alex
А тебе выше ответили как её решить
Way
Вот у тебя есть страница
https://pastebin.com/hEARZqfw
В ней есть ссылки привязанные к словам
Way
Ничего, но задача отформатировать текст так, чтобы было WORD[URL]
Way
А если будет 2 и более одинаковых WORD, то как мне явно указать, к какому из них принадлежит ссылка?
Yurii
К примеру у тебя в html коде 3 одинаковых слова, твоя задача вытащить весь текст, и сохранить ссылку в формате WORD[URL]
В тексте нету словарей, словарь ты сам создаешь.
Yurii
Ну если json типа
Yurii
Ничего, но задача отформатировать текст так, чтобы было WORD[URL]
Задача форматировать html а не собирать инфу?
Yurii
Из регулярки там только re.sub надо, у некоторых либ свои методы есть и больше ничего.