相关疑难解决方法(0)

如何解析HTML/XML并从中提取信息？

我需要匹配所有这些开始标记:

<p>
<a href="foo">

但不是这些:

<br />
<hr class="foo" />

我想出了这个,并希望确保我做对了.我只抓住了a-z.

<([a-z]+) *[^/]*?>

我相信它说:

• 找一个小于,然后
• 然后,查找(并捕获)az一次或多次
• 然后找到零个或多个空格
• 找到任何字符零次或多次,贪婪/,然后
• 找到一个大于

我有这个权利吗？更重要的是,你怎么看？

我想从网站上获取每日日出/日落时间.是否可以使用Python抓取Web内容？使用的模块是什么？有没有可用的教程？

我正在寻找一个用于网页抓取的优秀C++库.
它必须是C/C++而不是其他所以请不要指导我选择HTML抓取或其他SO问题/答案,其中甚至没有提到C++.

我正在尝试用Java创建我的第一个程序.目标是编写一个浏览网站并为我下载文件的程序.但是,我不知道如何使用Java与互联网进行交互.谁能告诉我哪些主题可以查找/阅读或推荐一些好的资源？

我真的不明白XHTML严格的魅力.内联JavaScript通常需要一个大鼠的转义嵌套,以使其与XHTML兼容,并与MSIE 5和6半向后兼容.然后,在用户输入上没有足够的OCD问题,以确保您不会错过任何非法字符.它似乎比它的价值更多的努力.没关系,几乎每个我一直在工作的开发人员都忘记确保从服务器返回的内容类型被重置为XHTML页面,从text/html重新设置为application/xhtml + xml.

希望我知道博主的名字,但有人指出,大多数所谓的符合XHTML标准的网站和开源软件包实际上都不是因为上一期,忘记正确设置内容类型标题.

我希望了解为什么XHTML是有用的,或者构建足够的参数库以防止它在我影响的未来项目中被使用.

我听说人们一直在写这些程序,我知道他们做了什么,但他们是如何做到的呢？我正在寻找一般概念.

我想从不同的网页获取数据,例如餐馆的地址或给定地点的不同活动的日期等等.我可以用什么来从一组给定的站点中提取这些数据的最佳库？

我必须解析一系列网页才能将数据导入应用程序.每种类型的网页都提供相同类型的数据.问题是每个页面的HTML不同,因此数据的位置会有所不同.另一个问题是HTML代码格式不正确,因此无法使用类似XML的解析器.

到目前为止,我能想到的最好的策略是为每种页面定义一个模板,例如:

模板A:

<html>
...
  <tr><td>Table column that is missing a td 
      <td> Another table column</td></tr>
  <tr><td>$data_item_1$</td>
...
</html>

模板B:

<html>
...
  <ul><li>Yet another poorly formatted page <li>$data_item_1$</td></tr>
...
</html>

这样,我只需要对所有的页面一个单独的语法分析器,将每一页,其模板和检索比较$data_item_1$,$data_item_2$等等.不过,这将是大量的工作.你能想到更简单的解决方案吗？任何可以帮助的图书馆？

谢谢

我想从这个网站自动获取有关房地产的数据：

关联

但是，他们没有 api。你一般会怎么做？我很感激每一个回复！