langchain_community.document_loaders.parsers.html.bs4.BS4HTMLParser

class langchain_community.document_loaders.parsers.html.bs4.BS4HTMLParser(*, features: str = 'lxml', get_text_separator: str = '', **kwargs: Any)

使用`Beautiful Soup`解析HTML文件。

初始化一个基于bs4的HTML解析器。

Methods

__init__(*[, features, get_text_separator])	初始化一个基于bs4的HTML解析器。
lazy_parse(blob)	加载HTML文档到文档对象中。
parse(blob)	将blob急切地解析为一个文档或多个文档。

Parameters

• features (str) –

• get_text_separator (str) –

• kwargs (Any) –

Return type

None

__init__(*, features: str = 'lxml', get_text_separator: str = '', **kwargs: Any) → None

初始化一个基于bs4的HTML解析器。

Parameters

• features (str) –

• get_text_separator (str) –

• kwargs (Any) –

Return type

None

lazy_parse(blob: Blob) → Iterator[Document]

加载HTML文档到文档对象中。

Parameters

blob (Blob) –

Return type

Iterator[Document]

parse(blob: Blob) → List[Document]

将blob急切地解析为一个文档或多个文档。

这是一个用于交互式开发环境的便利方法。

生产应用程序应该更倾向于使用lazy_parse方法。

子类通常不应该覆盖这个解析方法。

参数：

blob：Blob实例

返回：

文档列表

Parameters

blob (Blob) –

Return type

List[Document]

Examples using BS4HTMLParser

• Configure the parsers that you want to use per mime-type!