# contenido-juicio.py import urllib2, obo url = 'http://maunaloa.rchland.ibm.com/SIIDMQMF/970boxtstdet.htm' respuesta = urllib2.urlopen(url) HTML = respuesta.read() print(obo.quitarEtiquetas(HTML))
#html-a-frec.py
import urllib.request, urllib.error, urllib.parse, obo
url = 'http://www.oldbaileyonline.org/browse.jsp?id=t17800628-33&div=t17800628-33'
respuesta = urllib.request.urlopen(url)
html = respuesta.read()
texto = obo.quitarEtiquetas(html).lower()
listaPalabras = obo.quitaNoAlfaNum(texto)
diccionario = obo.listaPalabrasDicFrec(listaPalabras)
diccOrdenado = obo.ordenaDicFrec(diccionario)
for s in diccOrdenado:
print(str(s))
# html-a-lista-1.py import urllib2, obo url = 'http://www.oldbaileyonline.org/browse.jsp?id=t17800628-33&div=t17800628-33' respuesta = urllib2.urlopen(url) html = respuesta.read() texto = obo.quitarEtiquetas(html) listaPalabras = texto.split() print(listaPalabras[0:120])