Я хочу выполнить парсинг веб-страниц для проекта.
В проекте реализована тряпка, и я хотел добавить еще немного информации в модель, поэтому решил извлечь расшифровки из YouTube и используйте его для получения более обобщенных способов.
Получение и создание ссылок на YouTube прошло успешно. Однако, когда я попытался учесть веб-сайты, я столкнулся с трудностями.
Итак, все, что я использовал, это то, что я уже использовал HTML-празеры и регулярные выражения, чтобы получить данные без шума, по-прежнему извлекая файлы веб-сайтов из раздела комментариев. и некоторые вещи были связаны с объединением данных.
Технологии, которые я пробовал, - это "selenium", "beautifulsoul".
Я сделал HTML Praser и использовал регулярное выражение для избавиться от шума внутри данных, но он все равно останется.
Подробнее здесь: https://stackoverflow.com/questions/790 ... -rag-model
