парсинг

Анализ текстов конкурентов: считаем словарь темы по ТОП-20 на Python

Сервисы анализа текстов конкурентов выдают список «LSI-слов» и редко объясняют, как он посчитан. Посчитаем сами: скачаем тексты ТОП-20, приведём слова к начальной форме и оставим те, что есть у многих конкурентов и редко встречаются в языке вообще. На выходе — скрипт на 95 строк и таблица: слово, у скольких конкурентов оно есть и сколько раз … Читать далее

Тест зелёный, баг у клиента: чиним разделители для trafilatura

Клиент Словоправа получил отчёт, в котором среди рекомендованных терминов стояло слово ммаккумулятор. Такого слова нет. Оно склеилось из «Ширина, мм» и «Аккумулятор» — двух соседних ячеек в таблице характеристик, между которыми при извлечении текста пропал разделитель. Мы починили это в июле. В августе оно вернулось. Починили снова — вернулось опять. Разбираемся, почему обычный способ вставить … Читать далее