python之为 Python 中的类别查询解析 DMOZ 转储

我目前正在从事一个项目，该项目涉及查找与某个关键字相关的“知识领域”。我打算用 DMOZ 来做这件事。 例如，“布拉德皮特”给出了

Arts: People: P: Pitt, Brad: Fan Pages (10) 
 
Arts: People: P: Pitt, Brad: Articles and Interviews (5) 
 
Arts: People: P: Pitt, Brad (4) 
 
Arts: People: P: Pitt, Brad: Image Galleries (2) 
 
Arts: People: P: Pitt, Brad: Movies (2) 

等等……

我有来自 DMOZ 网站的 structure.rdf.u8 转储。有人跟我提过，如果我不需要 URL，只要这个文件就足够了(我不需要网站，只需要与关键字相关的类别)。或者我还需要内容文件吗？

此外，我想知道使用 Python(任何库)解析 structure 文件的最佳方法。我对 XML 没有任何了解，但我对 Python 很在行。

请您参考如下方法:

我从 https://github.com/kremso/dmoz-parser 开始 并制作了一个简单的主题过滤器: https://github.com/lawrencecreates/dmoz-parser/blob/master/sample.py#L6

class LawrenceFilter: 
  def __init__(self): 
    self._file = open("seeds.txt", 'w') 
 
  def page(self, page, content): 
      if page != None and page != "": 
          topic = content['topic'] 
          if topic.find('United_States/Kansas/Localities/L/Lawrence') > 0 : 
              self._file.write(page + "\n") 
              print "found page %s in topic %s" % (page , topic) 
 
  def finish(self): 
    self._file.close()