文件名称：extruct:从HTML标记中提取嵌入式元数据
文件大小：540KB
文件格式：ZIP
更新时间：2024-05-25 01:47:54
microformats semantic-web rdfa json-ld microdata
挤压 extruct是一个用于从HTML标记中提取嵌入式元数据的库。 目前，挤出机支持： 通过 （实验性）通过 微数据算法是的重访， 显示了如何使用EXSLT扩展。 安装 pip install extruct 用法 多合一提取 最简单的示例使用extruct是使用一些HTML字符串和可选的基本URL调用extruct.extract(htmlstring, base_url=base_url) 。 让我们在使用所有受支持语法（RDFa和ogp ）的网页上进行尝试。 首先使用python-requests提取HTML，然后将响应主体extruct ： >>> import extruct >>> import requests >>> import pprint >>> from w3lib.html import get_base_url >>> >>> pp = pp