sapper

Здесь есть ссылка на распарсенные данные shipilev.livejournal.com/95401.html + интересная статистика.

Распознавание подобного содержимого довольно сложная задача, не могу предложить готовых реализваций, но вам могут быть интересны следующие статьи:
habrahabr.ru/blogs/algorithm/109334/
habrahabr.ru/blogs/data_mining/116173/
habrahabr.ru/blogs/data_mining/116625/
habrahabr.ru/blogs/data_mining/117040/
habrahabr.ru/blogs/algorithm/103107/