学校工作需要，需架设一台内网OJ服务器，采用了开源的hustoj.试题下载了hustoj的freeprblem的xml文件。导入时出现很多错误，不知什么原因。另外要将历年noip复赛试题加上去，但苦于历年noip的xml文件只有3、4个。cogs上有几乎全部的历年noip于是想到了用python+pyquery抓取后转化成xml。至于不选beautifulsoup而选pyquery是感觉pq语法接近jquery，使用起来比较方便，而且速度可能更快！
ver0.9已经完成，但是由于cogs的格式没有统一，自己经验不足，发现有很多错误，有待进一步改进！
ver1.0打算主要改正这些错误，尽量使得试题抓取无误。以后可以考虑数据抓取，导入问题
原文：http://www.cnblogs.com/nbalive2001/p/4064167.html