Ваш вопрос немного расплывчатый.Похоже, вы хотели бы что-то сделать с модулями urllib2 и BeautifulSoup.
Извлечь HTML из базового URL с помощью функций urllib2, проанализировать его с помощью BeautifulSoup и использоватьцель (значение атрибута src) тега привязки (первый TXT?) в таблице, чтобы открыть другое соединение и извлечь это содержимое.Затем откройте локальный файл (или подпроцесс) и передайте в него содержимое второй выборки.
Самая сложная часть использования BeautifulSoup - найти характеристики, которые однозначно идентифицируют часть содержимого, которое вы хотите извлечь.Современный HTML довольно уродлив и имеет тенденцию содержать много постороннего мусора, встроенного в него различными инструментами и библиотеками, которые использовались для его генерации.(Один совет: слово «класс» является зарезервированным ключевым словом Python, а также общим атрибутом в HTML. Таким образом, проще всего передать пары атрибутов / шаблонов «класса» в функции BeautifulSoup, поместив их в словарь: {'class': some_pattern}, а не в более обычной форме keyword=pattern, которая используется для большинства других аргументов).
Чтобы обработать javascript, вам может понадобиться прочитать:
Что является хорошим инструментом дляэкранная очистка с поддержкой Javascript?
Похоже, в настоящее время лучше всего установить пакет HTMLUnit на основе Java в качестве шлюза, а затем написатьваш Python для подключения и управления этим.Вы также можете попробовать Selenium для управления реальным сеансом браузера и извлечения информации из него с помощью механизмов межпроцессного взаимодействия.