0
我只是想知道是否有任何討論處理html文檔結構的資源。例如，如果我有紐約時報的頁面，並且對於任何頁面，我想了解主文章在哪裏，頁面中的重要元素在哪裏。對於某些網站，原始html文檔給出了這種類型的處理的一些指示。對於其他網站，通常它提供的格式標籤（字體等）。我研究過OCR技術，但其中大部分都用於識別單個元素，這與OCR完全不同。處理html文檔結構
如果任何人有任何關於此主題的見解，將不勝感激！
A
回答
1
你在找什麼叫'屏幕抓取'或'數據抓取' - 谷歌搜索會爲你帶來一堆結果。下面是從維基百科的鏈接：Web Scraping
你可以建立一個HTML解析器的頂部像hpricot
相關問題
- 1. C++文件處理（結構）
- 2. 在HTML中處理文本，並重新插入到html結構
- 3. 好奇別人的html文檔結構
- 4. 構造html文檔
- 5. 處理結構c
- 6. WPF文檔處理？
- 7. 文檔處理：powershell
- 8. 此處預處理文檔
- 9. 跨平臺的文件結構處理
- 10. C文件處理/結構問題
- 11. Spark處理非結構化文件
- 12. 處理非結構化大XML文件
- 13. 構建OpenCV 2.2 html文檔
- 14. Spring批處理ItemReader處理樹結構化文件
- 15. va_arg處理結構爲iOS
- 16. 的NoSql文檔結構
- 17. MongoDB - 更改文檔結構
- 18. JSoup文檔結構問題
- 19. MongoDB的文檔結構
- 20. 結構圖2.0文檔
- 21. wso2 svn結構文檔
- 22. 處理大型XML文檔
- 23. 處理紙質文檔
- 24. 用linq處理XML文檔
- 25. FTP批處理文檔
- 26. Python SOAP文檔處理
- 27. 如何處理PDF文檔？
- 28. XML文檔 - 空處理
- 29. 處理生物XML文檔
- 30. 文檔預處理庫
我會感到驚訝，如果這被證明比網站屈指可數。除非他們發佈這些信息供您使用，否則我希望他們認爲這與您無關。 – 2009-07-06 18:38:20