解析常见链接的博客文章

Question

（新手发布，道歉并在前面表示感谢！）

我的目标是构建一个小型应用程序来监控和解析一组博客的帖子，以便我们进行出站链接：

1. 在一个框架中显示博客中的顶级链接文章;和，
2. 对于给定的链接文章，显示链接到它的帖子（在我的博客圈中）。

到目前为止，我的想法是使用：
- Python（使用Django或其他类似的前端）
- Feedparser阅读Feed并从帖子中提取链接 - URLparse

重大问题： 我是否遗漏了任何明显会让这种方式更容易的事情？

较小的问题（我还不知道）：
- 由于即使指向同一篇文章（例如，NYT URL和tinyURL），出站链接URL也可能不同，如何检查URL以查看它是否已经在我的链接项列表中，而不仅仅是比较绝对URL？ / p>

This SO post在高层次上有所帮助，但解析'blogroll'式链接列表似乎比在帖子中主动比较网址要容易得多，特别是对于可能在其中执行各种有趣事情的新闻网站网址。

Answer 1

我会采用相同的设置。您可能需要lxml来解析和操作帖子内容HTML（提取标签）。