OpenBagTwo/MarketWatch

Strip all HTML from lede (and headline)

Aberta

#2 aberto em 7 de dez. de 2023

Ver no GitHub
 (0 comentário) (0 reação) (0 responsável)Jupyter Notebook (1 fork)auto 404
enhancementhelp wanted

Métricas do repositório

Stars
 (3 estrelas)
Métricas de merge de PR
 (Métricas PR pendentes)

Description

Right now I'm just excluding any articles with HTML tags (explicitly, the ">") character in the headline or lede. But I can pretty much guarantee that there are libraries that implement HTML handling (beautifulsoup?) that I could be leveraging to do this smarter (and thus with fewer Guardian API calls).

Guia do colaborador

Direção de pesquisa
Investigue como usar o BeautifulSoup para remover tags HTML das strings lede e headline e integrá lo ao código existente.
Pilha de tecnologia
python
Domain
data
Tipo Issue
Funcionalidade
DifficultyDificuldade de implementação estimada para um novo contribuidor, de 1 para alterações muito pequenas a 5 para trabalho de nível especializado.
2
Tempo estimadoUm intervalo de tempo aproximado para um colaborador experiente investigar, implementar, testar e preparar um pull request.
1-3 horas
Status da atividadeQuão disponível o issue aparece agora: novo, ativo, obsoleto, bloqueado ou aguardando entrada do mantenedor.
Recente
ClarityCom que clareza o issue explica a mudança esperada, os critérios de aceitação e a próxima etapa.
Claro
Prerequisites
PythonBeautifulSoup
Simpatia para novatosUma pontuação de 1 a 100 que estima o quão acessível este issue é para colaboradores iniciantes.
75