import re from bs4 import BeautifulSoup from lxml import etree html = '<p>你好</p><br/><font ...

应用场景 可能是语音、orc识别图片获取来的文本，没有html标签，此时可以用python给段落添加标签。 方式一 固定字数加标 ...

过滤字数大于3的列表 def get_content_wordnumber(html): text =re.sub('[\s+\.\!\/_,$%^*(+\"\']+|[+——！，:：。？、 ...

def get_content_wordnumber(html): text =re.sub('[\s+\.\!\/_,$%^*(+\"\']+|[+——！，:：。？、~@#￥%……&*（）“” ...

有时候获取列表数据会发现有重复标题，我们将数据放入字典中，想直接去除重复的键值，找了很久，终于找到了字典去除方法。

需求 有时候标题以各种标点符号(,-!）等符号组合，拆分开取指定部分。 案例1 单个字符拆分

有时候采集下来的内容杂乱无章，常见的p标签,span标签里面带有各种属性，或者携带一些unicode编码，使用该函数可以直接格式 ...

掌握该知识点可以使用python随心拆分段落，然后重组。

from random import sample,choice,choices