從網頁中提取語義數據

Question

我有興趣從網頁和其他目前沒有語義意識的源中提取語義數據（簡單模板內容）。我以前使用一堆不同的語言編寫了爬網程序和手動解析器，但似乎總是有很多樣板和頁面特定的代碼，並且想知道您是否知道簡化過程的任何平臺或框架（開源只有請）。

我會寫一個，如果我找不到一個，所以鏈接到類似的系統或框架建議也將不勝感激。

Answer 1

該領域被稱爲「自動包裝提取」，是一個活躍的研究領域，但我還沒有看到一個好的開源工具包。一家名爲lixto的公司製作了一個您可能感興趣的商業工具。我很想看到一個解決這個問題的開源項目。