Python 从下载的html页面中提取某些文本和URI部分
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Python 从下载的html页面中提取某些文本和URI部分,python,html,beautifulsoup,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>
<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"
我需要摘录以下内容
从h2开始:标题
从p开始,不带任何类别:文本,文本
来自postmetadata类中的一个类:类别
可以使用任何编程语言,但最好是Python。我正在使用Linux。使用xmllint之类的XML解析器。熟悉。它是一个很棒的HTML/XML解析器,可以帮助您在短时间内完成这项工作。