我应该在Python中使用哪个Microdata解析器

Question

我正在寻找一个高质量的HTML Microdata解析器。它不一定非常快，但我希望尽可能多地支持the spec，包括itemref。

这是我到目前为止所发现的：

• https://github.com/edsu/microdata
• https://github.com/RDFLib/pymicrodata
• https://pypi.python.org/pypi/pelican-microdata/0.1

您是否使用过这些库中的任何一个？有什么优点和缺点？

我也很好奇解析格式不正确的HTML文档。您是否找到了处理凌乱输入的微数据解析器，或者您是否先通过类似BeautifulSoup的输入运行输入？

Answer 1

您希望Microdata解析为什么格式？

https://github.com/RDFLib/pymicrodata将解析为RDF。

如果你想要JSON，你应该使用https://github.com/edsu/microdata，它最近受到了一些关注，应该更符合规范。

https://pypi.python.org/pypi/pelican-microdata/0.1看起来像是为某个特定的静态网站生成器生成微数据的方法，所以我认为它不会对解析有帮助。

我不知道对上述解析器中的格式不佳的HTML有多宽容。如果您知道使用Microdata的野外标记格式不佳，我会对看看Ruby解析器处理这些情况的程度感兴趣。