本文へスキップ

magic-html

HTML から本文の領域を取り出す Python ライブラリ

公式サイトを見る

magic-html とは

本ライブラリは HTML から本文の領域を取り出す作業を簡単にする Python の道具で、複雑な構造と単純なページの両方に便利な口を備えると説明されている。

できること

  • 本文の HTML 構造を返す
  • 必要に応じてプレーンテキストか Markdown を出す
  • 抽出の際に LaTeX の数式を変換する

始め方

  • ライブラリを導入する
  • GeneralExtractor のクラスを読み込む
  • 抽出器を初期化しページの URL と HTML を用意する

長所と短所

✓ 良い点

  • LaTeX の数式を取り出して変換できる
  • マルチモーダルの抽出に対応する

! 注意したい点

  • 挙がる手順はライブラリの導入から始まる
  • GeneralExtractor の初期化が必要になる

よくある質問

出力の形は?

資料には本文の HTML 構造と、選べるプレーンテキストや Markdown が挙がっている。

どのレイアウトに対応?

資料には記事、フォーラム、WeChat の記事用のエクストラクタが挙がっている。

最終評価日: 2026-11-15

その他 AIオフィスアシスタント ツール

すべて見る →

評価方法