这是一个创建于 1765 天前的主题，其中的信息可能已经有所发展或是发生改变。
抱歉, 实在不清楚要发到哪个节点
有这么一个需求
- 我通过 chrome 开发者工具, 截取了某个 网页 的元素
- 我想通过 某种手段, 截取到 元素 的 子元素
- 我想通过 某种手段, 截取到 元素 的 属性 或者 内容
- 我会一点 java, python 和 shell, 这些我都可以去尝试, 当然其他的也行
- 输入是一段 html, 以及我的条件, 比如定制路径, 是否带外标签, 输出是 文字
疑问
- 感觉像是 html 页面里, 提取特定 元素, 属性, 内容
- 中间可能会有 html 元素路径的指定, 和其他一些过滤
- 感觉这种事, 之前肯定有人做过, 我是第一次接触, 但是感觉没啥门路
感谢各位大佬
 |
1
learningman 2020-02-22 12:23:22 +08:00 via Android
xpath，了解一下
或者 css 选择器 |
 |
2
Procumbens 2020-02-22 12:41:20 +08:00
BeautifulSoup?
|
 |
3
xiri 2020-02-22 13:11:16 +08:00
用 python 做，lxml、BeautifulSoup 等都能实现你的要求（其实你的需求就是爬虫的数据清洗部分要干的事）
|
 |
4
7huixiang 2020-02-22 13:17:37 +08:00
听着像文章采集器呢
|
 |
5
siknet 2020-02-22 13:21:41 +08:00 via Android
火车采集器，最高效易学的了
|
 |
6
omph 2020-02-22 13:43:05 +08:00
简单的可以用 shell
https://github.com/coderobe/hq |
 |
7
oneisall8955 2020-02-22 14:22:09 +08:00 via Android
JAVA 中建议用 jsoup，和 jquery 一把梭一样，很简单。并且，xpath 有时候因为页面的元素不标准，导致解析不了，jsoup 没有这个问题
|
 |
8
tlday 2020-02-22 15:10:04 +08:00
|
|
9
tlday 2020-02-22 15:10:33 +08:00
|
 |
10
littleylv 2020-02-22 15:30:59 +08:00
解析 html 的轮子非常多，基本各大语言都有，你有这发帖时间都找到了。
1 楼的说的两个，搜索一下你就知道了 |
 |
11
lis66951735 2020-02-22 16:15:21 +08:00
java jsoup , python BeautifulSoup
|
 |
13
yuenc 2020-02-22 20:01:29 +08:00
nodejs puppeteer
|
 |
14
crella 2020-02-23 10:11:37 +08:00 via Android
……我都是自己切割字符串查找文本的，我接触的网页比较简单……
|
 |
15
lzlee OP 感谢各位大佬的回复, 我挨个试试, 有效果的话, 会给反馈
|
Select Language