信息提取工具包

Question

我正在尋找信息提取庫，我可以獲得可能具有隱藏或不完整數據的半結構化信息。我想訓練一些分類器根據結構提取內容。

我正在構建一個工具，我可以在瀏覽器中選擇文本，並且它將生成（通過某些Web服務調用）可用於其他文檔以提取文本的分類器。

我主要看看如何使用文檔的結構來指示內容是什麼。

Answer 1

聽起來像你正在尋找某種類型的html解析器生成器。有一個Web服務（我不記得它的名字）可以讓你選擇頁面上的區域，並且會生成xpath解析規則，但是我不確定它的工作效果如何，或者即使它仍然存在。

通常，如果您可以編寫代碼，最簡單的方法就是自己編寫解析器。我推薦BeautifulSoup或lxml。