從網頁中提取通用文章

Question

我要開始我的文章提取工作。

，我會做的任務是提取的酒店點評被張貼在不同的網頁（例如1 http://www.tripadvisor.ca/Hotel_Review-g32643-d1097955-Reviews-San_Mateo_County_Memorial_Park_Campground-Loma_Mar_California.html，2 http://www.travelpod.com/hotel/Comfort_Suites_Sfo_Airport-San_Mateo.html）

我需要做Java中的任務，我只是使用Java在過去的幾個單獨幾個月..

這裏來我就這些問題。

1. 是否有可能以通用的方式從不同的網頁中單獨提取評論。

2. 請讓我知道，如果有一個支持Java中的任務的任何API。

3. 而且，讓我知道你的想法/來源，這將是更有利於我實現上述任務。

UPDATE

如果任何形式的淨提供相關的例子，請張貼相同的，因爲這可能是很有用處的。

Answer 1

你可能需要一個屏幕抓取工具爲Java像TagSoup或NekoHTML。 JSoup也很受歡迎。

不過，也有更大的法律思考這裏從第三方網站像到到網提取數據時。他們的政策是否允許？