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。

初始化基于 bs4 的 HTML 解析器。

方法

__init__(*[, features, get_text_separator])	初始化基于 bs4 的 HTML 解析器。
lazy_parse(blob)	将 HTML 文档加载到文档对象中。
parse(blob)	冲动的将 blob 解析成文档或文档集。

参数

• features (str) –

• get_text_separator (str) –

• kwargs (Any) –

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

初始化基于 bs4 的 HTML 解析器。

参数

• features (str) –

• get_text_separator (str) –

• kwargs (Any) –

返回类型

None

lazy_parse(blob: Blob) → Iterator[Document]

将 HTML 文档加载到文档对象中。

参数

blob (Blob) –

返回类型

Iterator[Document]

parse(blob: Blob) → List[Document]

冲动的将 blob 解析成文档或文档集。

这是一个为交互式开发环境提供的便捷方法。

生产应用应优先考虑使用 lazy_parse 方法。

子类通常不应重写此 parse 方法。

参数

blob (Blob) – Blob 实例

返回

文档列表

返回类型

列表[Document]