提取文章正文的Python庫：Python-goose

Python-goose項目是用Python重寫的Goose，Goose原來是用Java寫的文章提取工具。Python-goose的目標是給定任意資訊文章或者任意文章類的網頁，不僅提取出文章的主體，同時提取出所有元信息以及圖片等信息，支持中文網頁。
Python-goose可提取的信息包括：

• 文章主體內容
• 文章主要圖片
• 文章中嵌入的任何油Tube/Vimeo視頻
• 元描述
• 元標簽
</ul>

Python-goose許可為Apache 2.0。

示例

>>> from goose import Goose
>>> url = '
http://i2.cdn.turner.com/cnn/dam/assets/111017024308-occupy-london-st-paul-s-cathedral-story-top.jpg</pre> 
項目主頁：http://www.baiduhome.net/lib/view/home/1404377634108