我想从网页中提取信息。不幸的是，据我所知，该网站 (4chan) 没有公共 API。
什么是从 HTML 文档中提取特定数据的好库？我更喜欢在 UNIX 系统上运行的免费软件库。
编辑：基本上我想从 4chan 获取帖子和图片。该网页不是有效的 HTML（并且没有 doctype），因此解析器不应该太严格。
user142019
问问题
915 次
2 回答
2
您正在寻找的是 HTML Dom Parse。
上一个问题的这个链接应该可以帮助你。也看看这个问题
于 2012-01-23T13:05:38.610 回答
0
没错，有很多用于解析 html 数据的库。例如，如果您使用 Perl，则可以使用 HTML::Parse。
如果您只想要一个快速的结果并且您同意使用系统命令，您可以使用：
lynx -dump http://4chan.org
或者
links -dump http://4chan.org
于 2012-01-23T13:35:11.020 回答