OpenBagTwo/MarketWatch

Strip all HTML from lede (and headline)

开放

#2 创建于 2023年12月7日

在 GitHub 查看
 (0 条评论) (0 个反应) (0 位负责人)Jupyter Notebook (1 个派生)auto 404
enhancementhelp wanted

仓库指标

星标
 (3 个星标)
PR 合并指标
 (PR 指标待抓取)

描述

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).

贡献者指南

研究方向
研究如何使用BeautifulSoup从lede和headline字符串中去除HTML标签，并将其集成到现有代码库中。
技术栈
python
领域
data
议题类型
功能
难度面向新贡献者的预计实现难度，1 表示很小改动，5 表示专家级工作。
2
预计时间有经验贡献者完成调查、实现、测试并准备 pull request 的粗略时间范围。
1-3 小时
活动状态议题当前的可参与程度：新鲜、活跃、陈旧、阻塞或等待维护者输入。
新近可参与
清晰度议题是否清楚说明期望改动、验收标准和下一步。
清晰
前置要求
PythonBeautifulSoup
新手友好度1-100 的估计分数，表示该议题对首次贡献者的友好程度。
75