我正在寻找一个高质量的HTML Microdata解析器在Python中.它不一定要快速,但我希望尽可能多地支持the spec,包括itemref.
这是我到目前为止所发现的:
> https://github.com/edsu/microdata
> https://github.com/RDFLib/pymicrodata
> https://pypi.python.org/pypi/pelican-microdata/0.1
你使用过这些库吗?有什么优点和缺点?
我也很好奇解析格式不佳的HTML文档.您是否找到了处理凌乱输入的Microdata解析器,或者您是否先通过BeautifulSoup这样的输入运行输入?
最佳答案
您希望Microdata解析为什么格式?
https://github.com/RDFLib/pymicrodata将解析为RDF.
如果你想要JSON,你应该使用https://github.com/edsu/microdata,它最近得到了一些关注,应该更符合规范.
https://pypi.python.org/pypi/pelican-microdata/0.1看起来像是为特定的静态站点生成器生成微数据的方法,因此我认为它不会对解析有帮助.
我不知道对上述解析器中的格式不佳的HTML有多宽容.如果您知道使用Microdata的野外标记格式不佳,我会感兴趣的是看看Ruby解析器处理这些情况的效果如何.
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。