机器学习以理解 Python 中的网站结构

Question

我一直致力于抓取网页并提取网站的元素。 前任： 给定一个网站 - 爬虫应返回以下部分：页眉、菜单、页脚、内容等。

我在想，如果我可以使用机器学习来训练代码来学习如何对网站进行分类，那就太好了。

我尝试查看 Python 机器学习库（例如：PyBrain），但示例非常复杂。 谁能给我推荐一个库和一些关于如何开始使用 Python 机器学习和一些简单示例的教程？

谢谢！

Answer 1

MLPy 对您来说可能是一个更简单的开始。 这是documentation on classification 的链接。顺便说一句，如果你不知道类应该是什么样子，也许你需要cluster你的页面，而不是对它们进行分类。