screen-scraping

28El calor

9Respuesta

¿Qué es una buena herramienta para raspar la pantalla con soporte Javascript?

¿Existe una buena suite de pruebas o conjunto de herramientas que pueda automatizar la navegación del sitio web (con soporte de Javascript) y recopilar el código HTML de las páginas? Por supuesto que

14El calor

6Respuesta

¿Cuál es la mejor forma de analizar una página web en Ruby?

He estado buscando en las bibliotecas XML y HTML en rubyforge para obtener una forma sencilla de extraer datos de una página web. Por ejemplo, si quiero analizar una página de usuario en stackoverflow

23El calor

9Respuesta

¿Hay un equivalente PHP de WWW :: Mechanize de Perl?

Estoy buscando una biblioteca que tenga una funcionalidad similar a la de Perl WWW::Mechanize, pero para PHP. Básicamente, debería permitirme enviar solicitudes HTTP GET y POST con una sintaxis simple

12El calor

9Respuesta

Raspe un sitio web dinámico

¿Cuál es el mejor método para rozar un sitio web dinámico donde la mayoría del contenido se genera mediante lo que parecen ser solicitudes de AJAX? Tengo experiencia previa con un combo Mechanize, Bea

23El calor

4Respuesta

Cómo recuperar HTML en Java

Sin el uso de ninguna biblioteca externa, ¿cuál es la forma más sencilla de obtener el contenido HTML de un sitio web en una cadena?

32El calor

7Respuesta

HTML Scraping en Php

He estado haciendo algunos scraping html en PHP utilizando expresiones regulares. Esto funciona, pero el resultado es quisquilloso y frágil. ¿Alguien ha usado algún paquete que brinde una solución más

10El calor

7Respuesta

Expresión regular de Python para análisis HTML (BeautifulSoup)

Quiero obtener el valor de un campo de entrada oculto en HTML. <input type="hidden" name="fooId" value="12-3456789-1111111111" /> Quiero escribir una expresión regular en Python que devolverá el val

33El calor

6Respuesta

¿Descargar archivo de imagen de la fuente de la página HTML usando Python?

Estoy escribiendo un raspador que descarga todos los archivos de imagen de una página HTML y los guarda en una carpeta específica. todas las imágenes son parte de la página HTML.