html-content-extraction

5El calor

6Respuesta

¿Cómo se analiza un archivo HTML mal formateado?

Tengo que analizar una serie de páginas web para importar datos en una aplicación. Cada tipo de página web proporciona el mismo tipo de datos. El problema es que el HTML de cada página es diferente, p

22El calor

2Respuesta

Crear un gran analizador - Extraer texto relevante de HTML/Blogs

Estoy tratando de crear un analizador de HTML generalizado que funcione bien en publicaciones de blog. Quiero señalar mi analizador en la URL específica de la entrie y recuperar el texto limpio de la

17El calor

8Respuesta

Extracción de texto de HTML Java

Estoy trabajando en un programa que descarga páginas HTML y luego selecciona parte de la información y la escribe en otro archivo. Quiero extraer la información que está entre las etiquetas de párrafo

19El calor

8Respuesta

C# - ¿El mejor enfoque para analizar páginas web?

He guardado el html de toda una página web en una cadena, y ahora Quiero obtener los valores "href" de los enlaces, preferiblemente con la posibilidad de guardarlos en diferentes cadenas más adelante.

28El calor

12Respuesta

¿Manera "inteligente" de analizar y usar datos del sitio web?

¿Cómo se analizan inteligentemente los datos devueltos por los resultados de búsqueda en una página? Por ejemplo, digamos que me gustaría crear un servicio web que busque libros en línea mediante el a

8El calor

5Respuesta

Método de python para extraer contenido (excluyendo la navegación) de una página HTML

Por supuesto, una página HTML se puede analizar utilizando cualquier número de analizadores de Python, pero me sorprende que no parezca haber ningún script de análisis público para extraer contenido s

12El calor

3Respuesta

bibliotecas análisis de HTML me recomiendan en Java

Quiero analizar algo de HTML con el fin de encontrar los valores de algunos atributos/etiquetas etc. Lo HTML analizadores me recomienda? Cualquier pros y contras?

52El calor

3Respuesta

BeautifulSoup para encontrar una etiqueta HTML que contiene un texto determinado

estoy tratando de obtener los elementos de un documento HTML que contiene el siguiente patrón de texto: # \ S {11} <h2> this is cool #12345678901 </h2> Por lo tanto, la anterior coincidiría con: sou

15El calor

5Respuesta

Cómo se analiza un código HTML en vb.net

Me gustaría saber si existe una forma sencilla de analizar HTML en vb.net. Sé que HTML no es un subconjunto de espectro de XML, pero sería bueno si pudiera tratarse de esa manera. ¿Hay algo por ahí qu