网页内容提取

用于进行网页内容提取的库。

• Haul：一个可以扩展的图像爬取工具。官网
• html2text：将 HTML 转换为 Markdown 格式文本。官网
• lassie：人性化的网页内容检索库。官网
• micawber：一个小型网页内容提取库，用来从 URLs 提取富内容。官网
• newspaper：使用 Python 进行新闻提取，文章提取以及内容策展。官网
• opengraph：一个用来解析开放内容协议(Open Graph Protocol)的 Python 模块。官网
• python-goose：HTML 内容/文章提取器。官网
• python-readability：arc90 公司 readability 工具的 Python 高速端口。官网
• sanitize：为杂乱的数据世界带来调理性。官网
• sumy：一个为文本文件和 HTML 页面进行自动摘要的模块。官网
• textract：从任何格式的文档中提取文本，Word，PowerPoint，PDFs 等等。官网