如何在 PHP 中使用正则表达式提取 HTML 内容
我知道，我知道...正则表达式不是提取 HTML 文本的最佳方法。但我需要从很多页面中提取文章文本，我可以将正则表达式存储在每个网站的数据库中。我不…
使用屏幕截图提取数据
Closed. This question does not meet Stack Overflow guidelines. It is not currently accepting answers. 要求我们推荐或查找工具、库或最喜欢的…
关于可读性代码的 jQuery 等效项有什么想法吗？ （或者：使用 jQuery 构建最佳启发式查找正文）
http://lab.arc90.com/experiments/readability/ 是一个非常方便的工具以非常易读的方式查看杂乱的报纸、期刊和博客页面。它通过使用一些启发式方法并…
HTML 内容提取的最新技术水平如何？
有很多关于 HTML 内容提取的学术工作，例如 Gupta 和 Gupta。 Kaiser (2005) 从可访问的网页中提取内容 ，以及这里一些有趣的标志，例如 一个、两个，…
寻找 Webzinc .NET、屏幕抓取、.NET Web 自动化库的免费替代品
Closed. This question is seeking recommendations for software libraries, tutorials, tools, books, or other off-site resources. It does not …
YQL 抓取整个网站/域
我正在尝试从域中恢复一组链接和内容。 谷歌中的查询是 "site:www.newswebsite.com search_term" 我已经看到了一些接近的东西来实现这个工作，但我似…
Beautifulsoup 在表中获得价值
我正在尝试刮 http://www.co.jefferson.co.us/ ats/displaygeneral.do?sch=000104 并获取“所有者姓名” 我所拥有的有效，但真的很难看，而且不是我确…
如何从原始 HTML 文件中提取数据？
有没有一种方法可以从没有 ID 和 classes 的非语义编写的原始 html 中提取所需的数据？我的意思是，假设有一个已保存的网页（个人资料）的 html 文件…
