python trafilatureの使い方

概要

• trafilaturaは、ウェブページからテキストを抽出するためのPythonライブラリ
• テキスト密度（text density）、リンク密度（link density）、タグ分析（tag analysis）を使って、本文エリアを特定
• 読み方はイタリア風に「トラフィラトゥーラ」

インストール

$ pip install trafilatura

使い方

import trafilatura
downloaded = trafilatura.fetch_url('https://example.com/')
result = trafilatura.extract(downloaded)