从下载的html页面中提取某些Text和URI部分

时间:2014-10-13 11:41:34

标签: python html beautifulsoup

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
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。

0 个答案:

没有答案