使用Python从web文章中查找结构

我正在寻找一些Python工具，它可以帮助我确定文章网站的内容结构，例如。我使用样板删除库（Boilerpipe）清除网页上不需要的东西（横幅、链接、图片等）。 现在，当我只有相关内容时，我想自动确定什么字符串是标题、作者、日期、文章更新日期、文章本身是什么。问题是，我不仅要将它用于透明的文章页面，这些页面的大部分信息都是HTML标记，比如

Title

。我希望能够从标签上确定它，比如2011年11月28日约翰·库萨克关于叙利亚冲突的标签。

---

有什么工具可以帮我吗？

刮皮不是用来做那种东西的吗

使用以下“工具”，您可以轻松地从文章中获取内容：

刮痧（推荐，但有更大的学习曲线）

报纸（立即提供标题、作者、文本、图像、视频等）

鹅提取器（类似于报纸）

---

Scrapy可能是我正在寻找的工具，但它不是很容易学习或让它做我想要的。有关于如何使用scrapy确定标题、作者等的提示吗？