用Python实现Web信息抽取的解析器

Question

我的任务是解析HTML页面(用西里尔字母)并提取特定的单词。这是一个我必须解析的网页：http://www.toponymic-dictionary.in.ua/。我只得到了一个页面：

import urllib
from lxml.html import fromstring
url = 'http://www.toponymic-dictionary.in.ua/'
content = urllib.urlopen(url).read()
doc = fromstring(content)
doc.make_links_absolute(url)

HTML代码对我来说(使用xpath)相当复杂，所以我不知道如何进行解析。

Answer 1

看看这个库：BeautifulSoup

及其Documentation

它最适合您的需求。

干杯!