对于与网络数据挖掘相关的任务（开发网络爬虫、字符串操作等），我需要一些帮助来比较不同的编程语言，例如：C++、Java、Python、Ruby 和 PHP。我对 PHP 有一点经验，我认为它对于这个特定任务的优点是语法简单、深入的字符串解析能力、网络功能和可移植性，但对其他语言及其优缺点了解不多与此特定任务相关。
问问题
2459 次
3 回答
1
特定的语言与您的熟悉程度无关紧要。如今，所有高级语言都将附带基础知识。除非您需要它超快（您可能会受到下载速度的限制，而不是解析 HTML 的速度）或没有列出其他限制，否则语言不会那么重要。
只要确保您使用这些库。特别是一个 HTML 解析库，它在适当的情况下可以很好地处理无效标记（不是 XML 解析器）和正则表达式。
于 2009-11-16T20:41:37.830 回答
1
正如之前的帖子所暗示的那样 - 熟悉会产生很大的不同。我还要说看看这门语言最初的设计目的是什么——它很好地了解了它最擅长的地方。
PHP - 专为服务器端脚本而设计，并不适合这种用途。
Perl - 旨在将文本分开（良好的开始）和优秀的库 - 查看 LWP 和 HTML 下的模块，例如 HTML::Treebuilder - 一个不错的选择。无与伦比的插件模块选择。
Python——不错的选择，看看beautifulsoup和urllib
Ruby - 也是一个不错的选择，就可用模块而言，看 hpricot 远不如 Perl 或 Python 成熟。
我编写了很多网络蜘蛛/数据挖掘软件，并且一直使用 Perl。如果我今天从头开始，我可能会选择 python。
于 2010-01-20T16:57:21.397 回答
0
Google 的第一个爬虫是用 Python 1.5 编写的
我不是其他语言的专家，但我会使用 python 和 html5lib 或 Beautifulsoup。
于 2009-11-16T20:29:09.633 回答