蟒蛇HTML標籤提取

Question

它是如何將有可能做到以下幾點：

1. 通過HTML頁面（最好是通過全域掃描（www.python.org），並提取所有

H1 H2 ... HN標籤

並將所有的標題到一個文件正確的順序：

開始與H1 比H2

，直到我們達到一個新的H1

Answer 1

由於需要掃描整個網站，因此您可能需要查看pycurl以抓取要抓取的文件。儘管如此，請注意不要擊中相當於DoS攻擊的網站。

Answer 2

使用BeautifulSoup或PyQuery。