我使用了 XQuery 来提取给定网页集合中的数据。我不得不为这些网页编写自定义查询。我认为这是针对特定 HTML 文件集合采取的最直接的方法。但是,显然对于一般情况并不好用。对于另一个不同的网页集合,需要编写其他自定义查询。
我使用JSoup从HTML中抓取数据。它使用类似于jQuery的方式查询HTML DOM,这是我已经熟悉的,所以对我来说使用这个工具非常简单。我也发现它相当强大,但我只需要用它来抓取3个数据源,所以我对这个工具的经验不是很丰富。jsoup
div
,p
等元素的结构吗?以这个SO页面为例:你想要的RDF输出是什么? - Pēteris Caune