如何给采集的文章分段？

dengwen168

采集的文章，调用翻译接口，然后再发布，

现在发布后一篇文章全部变成一段了，严重影响阅读体验，

请问如何给它分段呢？随机插入换行符？这样体验也不好啊？

遍历文章查找句号？然后插入换行符？好像有点浪费时间啊，


大家有好的方法吗？谢谢，

我用的是python.

koko

采集前都有分段的吧，干嘛把分段符号去掉

三分醉

同意楼上，采集的时候为什么要去掉换行，如果不是采集的时候弄没的，那就是翻译的时候，如果是翻译的话，那可以试着把换行符替换成&&&这种特殊符号，后期发布的时候再replace成换行符。

dengwen168

三分醉 发表于 2018-9-26 10:27
同意楼上，采集的时候为什么要去掉换行，如果不是采集的时候弄没的，那就是翻译的时候，如果是翻译的话，那 ...

我的代码中是没有去掉换行符的。。

可是我用通过wordpress_xmlrpc  向 wordpress发布文章，发布后就没有分段了。我不知是在wordpress_xmlrpc 发布的时候，还是翻译的时候，这些格式给弄没了。

我手工在wordpress后台发布的话，换行符都在，不过调用翻译接口后，还是在原来中文换行的地方换行，有些地方怪怪的。。

dengwen168

三分醉 发表于 2018-9-26 10:27
同意楼上，采集的时候为什么要去掉换行，如果不是采集的时候弄没的，那就是翻译的时候，如果是翻译的话，那 ...

我的代码中是没有去掉换行符的。。

可是我用通过wordpress_xmlrpc  向 wordpress发布文章，发布后就没有分段了。我不知是在wordpress_xmlrpc 发布的时候，还是翻译的时候，这些格

我手工在wordpress后台发布的话，换行符都在，不过调用翻译接口后，还是在原来中文换行的地方换行，有些地方怪怪的。。

wjcj

你翻译的时候是不是把所有 html都扔进去翻译啊，我只提取html标签内的东西来翻译，翻译完 替换到原位置就行了，beautifulsoup中一句话就可以替换

dengwen168

wjcj 发表于 2018-9-27 16:43
你翻译的时候是不是把所有 html都扔进去翻译啊，我只提取html标签内的东西来翻译，翻译完 替换到原位置就行 ...

还有这种操作啊？

请问bs里面这一句怎么写啊？

wjcj

dengwen168 发表于 2018-9-27 21:20
还有这种操作啊？

请问bs里面这一句怎么写啊？

for string in soup1.find_all(text=True):
            text=string.string.strip()
            if text:
              提取html标签中文本..略。。。
              if check_match(filters,string2)==1: #特定不翻译内容
                   print "发现不翻译内容"
                   print string2
                   string.replace_with('')
              else:
                   string.replace_with(translation['translatedText'])

最后一句话直接替换，当然前面还有很多if 需要考虑的 ，根据你自己实际需求

dengwen168

wjcj 发表于 2018-9-27 23:21
for string in soup1.find_all(text=True):
            text=string.string.strip()
            if text ...

多谢。