基于Python的Web信息抽取解析器

Question

我的任务是解析一个HTML页面（用西里尔文）并提取某些单词。下面是我要分析的网页：http://www.toponymic-dictionary.in.ua/。我只看到一页：

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代码对我来说相当复杂（使用xpath），所以我不知道如何进行解析。在

Answer 1

看看这个库：BeautifulSoup

它的Documentation

它最适合你的要求。在

干杯！在