有关获取Google搜索结果和清除HTML标记的建议

Question

我正在开发一个项目来获取Google搜索网页，然后清理HTML标记以获取纯文本内容。

对可用工具的任何建议（尤其是Python工具）

非常感谢。

Answer 1

我查看了Pattern，这是一个Python Web挖掘模块，提供了一套文本检索，分析和viz工具。我没有亲自使用它，但看起来很强大。

模块pattern.web是一个Web工具包，它将各种API（Google，Gmail，Bing，Twitter，Wikipedia，Flickr）与强大的HTML解析器和Web蜘蛛捆绑在一起。其目的是以易于使用，统一的方式检索在线内容。

Answer 2

Python有一个内置的实际上很快，找到了here。还有一个名为Beautiful Soup的强大功能，它提供了额外的功能，特别是对于HTML抓取。

但是，我还要问为什么不使用搜索API？

Answer 3

最后找到了一个不错的套房BootCat。