我正在寻找一个高质量的HTML Microdata解析器在Python中.它不一定要快速,但我希望尽可能多地支持the spec,包括itemref.
这是我到目前为止所发现的：
> https://github.com/edsu/microdata
> https://github.com/RDFLib/pymicrodata
> https://pypi.python.org/pypi/pelican-microdata/0.1
你使用过这些库吗？有什么优点和缺点？
我也很好奇解析格式不佳的HTML文档.您是否找到了处理凌乱输入的Microdata解析器,或者您是否先通过BeautifulSoup这样的输入运行输入？
最佳答案
您希望Microdata解析为什么格式？
https://github.com/RDFLib/pymicrodata将解析为RDF.
如果你想要JSON,你应该使用https://github.com/edsu/microdata,它最近得到了一些关注,应该更符合规范.
https://pypi.python.org/pypi/pelican-microdata/0.1看起来像是为特定的静态站点生成器生成微数据的方法,因此我认为它不会对解析有帮助.
我不知道对上述解析器中的格式不佳的HTML有多宽容.如果您知道使用Microdata的野外标记格式不佳,我会感兴趣的是看看Ruby解析器处理这些情况的效果如何.
