我已经使用 3 种语言进行 Web Scraping - Ruby、PHP 和 Python，老实说，它们似乎都不适合这项任务。
Ruby 具有出色的机械化和 XML 解析库，但对电子表格的支持很差。
PHP 具有出色的电子表格和 HTML 解析库，但它没有 WWW:Mechanize 的等价物。
Python 有一个非常糟糕的机械化库。我有很多问题，但仍然无法解决。它的电子表格库也或多或少不错，因为它无法创建 XLSX 文件。
有什么适合网络抓取的东西吗？
PS：我在windows平台上工作。
检查Python + Scrappy，它非常好：
简短的回答是否定的。
问题在于 HTML 是一大类格式 - 只有最近的变体是一致的（并且基于 XML）。如果您打算使用 PHP，那么我建议您使用 DOM 解析器，因为它可以处理大量不符合格式良好 XML 的 html。
在你的帖子的字里行间阅读 - 你似乎是：
1) 从需要复杂交互管理的网络中捕获内容
2）将数据解析成一致的机器可读格式
3) 将数据写入电子表格
这肯定是 3 个单独的问题 - 如果没有一种语言满足所有 3 个要求，那么为什么不使用最好的工具来完成这项工作，而只是担心数据的合适临时格式/介质呢？
C。
为什么不只使用XML 电子表格格式？它的创建非常简单，并且对于任何类型的基于类的系统来说都可能是微不足道的。
另外，对于 Python，您是否尝试过BeautifulSoup进行解析？Urllib+BeautifulSoup 是一个非常强大的组合。
Python + Beautiful Soup用于网页抓取，并且由于您在 Windows 上，您可以使用 win32com 进行 Excel 自动化来生成您的 xlsx 文件。