我已经下载了很多html页面,我想从每个这样的标签中提取(单个文件存储在目录和子目录中)
<h2><a href="index.html">TITLE</a></h2>
<p class="postTime">7 September, 2011 - 20:43</p>
<p>TEXT</p>
<p>TEXT</p>
<p class="postmetadata">
Posted by Person in <a href="../../category/THECATEGORY/index.html"
我需要提取以下内容
来自h2
:TITLE
从p
(没有任何一个班级):TEXT,TEXT
来自a
课程内的postmetadata
:THECATEGORY
可以使用任何编程语言,但最好使用Python。我正在使用Linux。