次の項目のタイムライン: Web上のプレインテキストを大量にスクレイピングするときに形式が異なる文書をどのように処理するべきか
現在のライセンス: CC BY-SA 4.0
3 件のイベント
日時 書式を切り替える | 内容 | ユーザー | ライセンス | コメント | |
---|---|---|---|---|---|
2020年5月19日 9:19 | コメント | 追加済み | Fumu 7 | 質問に書かれている3つのリンク(「Anne of Green Gables」,「Chronicles of Avonlea」,「Hamlet」)のリンク先は、いずれもテキストファイルなので、リンクを右クリックして、 "名前をつけてリンク先を保存"でテキストファイルを得る。そして、そのテキストファイルを希望する形式のJsonファイルに変換するプログラムを作る。という手順になると思います。 | |
2020年5月17日 14:09 | コメント | 追加済み | user34985 | ご回答いただきましてありがとうございます。それでは今回の場合、小説に対してHTML形式のファイルがある場合、プレインテキストではなく、HTMLの方を用いた方が良いという理解で合っていますか。 「Anne of Green Gables」(gutenberg.org/ebooks/45)を例にすると、「 Read this book online: HTML」というフォーマットも選択可能ですが、プレインテキストだとスクレイピング後にセリフや情景描写を分けるために別の作業が必要になり、HTMLの方が効率的でしょうか。 | |
2020年5月17日 3:58 | 履歴 | 回答済み | Fumu 7 | CC BY-SA 4.0 |