tag-text-extractor
Позволяет вытащить из html теги 'a', 'h2h6', 'text', 'title', 'metadescription', 'beis', 'h1', 'body' где для каждого тегоа будут получены кол-во слов в нем и список текстов
from tag_text_extractor.tag_text_extractor import extract_tag_texts
data = extract_tag_texts("<html><body>...</body></html>")
data.keys()
['a', 'h2h6', 'text', 'title', 'metadescription', 'beis', 'h1', 'body']
data['h2h6']
{
'texts': [
u'Account Options',
u'Search Options',
u'\u0420\u0435\u043a\u043b\u0430\u043c\u0430',
u'\u0420\u0435\u043a\u043b\u0430\u043c\u0430'
],
'word_count': 6
}
