Python: 解析WordPress HTML

Question

我正在尝试建立一个博客地图网站，目的是找出一组博客中的当前趋势。为了方便起见，我将专注于一份特定的Wordpress博客列表。

请问有没有Python的工具包可以解析Wordpress的HTML呢？

我想要的功能有：

• 识别（给定的HTML是否是一个Wordpress博客）
• 博客属性（名字、文章、RSS链接、博客链接等）
• 文章属性（标题、内容、标签等）

如果没有这样的工具包，我可以自己做一个开源项目，但如果有现成的工具包，那就能省我很多时间。

Answer 1

据我所知，目前没有专门解析WordPress HTML的库，不过有一些通用的HTML解析库，比如html5lib和BeautifulSoup。

我推荐你使用html5lib+lxml.html。