def get_categories( page ):
outlines = page.findall( './/Outline' )
cat_type = {}
for out in outlines:
tmp = out.find( './/T' )
if tmp.text is not None:
tmp_text = strip_span( tmp.text ).strip()
cat_type[( tmp_text.replace( ':', '' ) ).lower()] = out
return cat_type
def get_title( page ):
tmp = page.find( './/T' )
title_text = strip_span( tmp.text )
return title_text.replace( '<a\n', '<a ' )
