Spider & Information Extractor
requests：为人类设计的Http库，接口比urllib，httplib都简单。http://docs.python-requests.org/en/latest/
beautifulSoup：强大的html，xml解析工具，速度较慢。http://www.crummy.com/software/BeautifulSoup/
goose：网页信息提取工具，可以提取网页title，meta，正文。https://github.com/grangier/python-goose
cx-extractor：简单但效果不错的正文提取工具。https://code.google.com/p/cx-extractor/
Text Analysis & Machine Learning
jieba：目前最好的中文切词工具，可自己加载词典。https://github.com/fxsjy/jieba
gensim：为人类设计的 topic model 工具，可以转换文本到词向量，学习topic model，而且提供了word2vector接口。http://radimrehurek.com/gensim/index.html
word2vector：词向量机器学习工具，使用了deep learning进行训练。https://code.google.com/p/word2vec/
scikit-learn：python机器学习库。http://scikit-learn.org/stable/
xgboost：很好的boost库。https://github.com/tqchen/xgboost/
