1. 项目背景 在python 即时网络爬虫项目启动说明中我们讨论一个数字：程序员浪费在调测内容提取规则上的时间，从而我们发起了这个项目，把程序员从繁琐的调测规则中解放出来，投入到更高端的数据处理工作中。 2. 解决方案 为了解决这个问题，我们把影响通用性和工作效率的提取器隔离出来，描述了如下的数据处理流程图： 图中“可插拔提取器”必须很强的模块化，那么关键的接口有: 标准化的输入：以标准的HTML DOM对象为输入 标准化的内容提取：使用标准的xslt模板提取网页内容 标准化的输出：以标准的XML格式输出从网页上提取到的内容 明确的提取器插拔接口：提取器是一个明确定义