python自然语言学习第三章（4）

依然是第三章的问题，尝试着把html文件去标记，换成text文件，结果遇到不少问题

p93

我用的是python3.6,书上用的是python2.x，所以好多地方代码都会有差异：

>>> from urllib.request import urlopen

>>> url="http://www.gutenberg.org/files/2554/2554-0.txt"

>>> html=urlopen(url).read()

（书上用的raw=nltk.clean_html(html)会出现错误，提示使用 BeautifulSoup.get_text(),但是一般情况下我们都没有装 BeautifulSoup，所以又要回头去装 BeautifulSoup这个包）

>>> from bs4 import BeautifulSoup （哈哈，装好了就导入这个包）

>>>raw=BeautifulSoup(html).get_text()  （如果直接这样用又要错了，“”The code that caused this warning is on line 1 of the file. To get rid of this warning, change code that looks like this:BeautifulSoup(YOUR_MARKUP}) to this: BeautifulSoup(YOUR_MARKUP, "html.parser") ）

>>> raw=BeautifulSoup(html,"html.parser").get_text()（这句要写成这样）