BS4HTML解析器

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。

方法

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

Parameters:

• 特征 (str)

• get_text_separator (str)

• kwargs (Any)

__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:

• 特征 (str)

• get_text_separator (str)

• kwargs (Any)

Return type:

无

lazy_parse(blob: Blob) → Iterator[Document]

将HTML文档加载到文档对象中。

Parameters:

blob (Blob)

Return type:

迭代器[文档]

parse(blob: Blob) → list[Document]

急切地将blob解析为一个或多个文档。

这是一个用于交互式开发环境的便捷方法。

生产应用程序应优先使用lazy_parse方法。

子类通常不应重写此解析方法。

Parameters:

blob (Blob) – Blob 实例

Returns:

文档列表

Return type:

列表[Document]