如何以编程方式保存网页？
我希望能够通过编程的方式保存网页。 我不仅想保存HTML，还希望自动存储所有相关文件（如图片、CSS文件、可能的嵌入式SWF等），并且希望重写链接以便本地浏览。 这个应用的目的是一个个人书签应用程序，其中链接内容被缓存以防止原始副本被删除。
从HTML中提取文本的Java方法
我正在编写一个程序，用于下载HTML页面并选择其中一些信息，并将其写入另一个文件中。我想提取在段落标签之间的信息，但是我只能得到段落的一行。我的代码如下：FileReader fileReader = new FileReader(file); BufferedReader buffRd = ...
我可以使用哪些算法来识别网页上的内容？
我在浏览器中加载了一个网页（即其DOM和元素定位对我都是可访问的），现在我想找到包含最多内容（如连续文本块）的块级元素（或排序列表）。目标是排除类似菜单、头部、页脚等内容。
在iPhone上解析HTML
请问有没有人能够推荐一个用于解析HTML的C或Objective-C库？它需要能够处理一些不太符合标准的HTML代码。 是否存在这样的库，或者我最好尝试使用正则表达式来解析HTML？
从HTML中提取文本的正则表达式
我希望从一个常规的HTML页面中提取所有文本（无论是否显示）。 我想要 删除 任何HTML标签 任何JavaScript 任何CSS样式 是否有一个或多个正则表达式可以实现这一点？
C# - 解析网页的最佳方法是什么？
我已将整个网页的HTML保存到一个字符串中，现在我想获取链接的“href”值，最好能够稍后将它们保存到不同的字符串中。最好的方法是什么？ 我尝试将该字符串保存为.xml文档，并使用XPathDocument导航器对其进行解析，但（惊讶吧）它无法很好地导航一个不真正是XML文档的文件。 正则...
如何使用C++/Qt解析HTML？
我该如何解析以下HTML？ <body> <span style="font-size:11px">12345</span> <a>Hello<a> </body> 我想从www.testtest.com的style...
如何使用php从html中提取img src、title和alt？
我想创建一个页面，其中列出了我网站上所有图像的标题和替代表示形式。 我已经编写了一个小程序来查找和加载所有HTML文件，但现在我卡在如何从这个HTML中提取src，title和alt。<img src="/image/fluffybunny.jpg" title="Harvey the ...
使用BeautifulSoup查找包含特定文本的HTML标签
我试图获取包含以下文本模式的HTML元素：#\S{11}<h2> this is cool #12345678901 </h2> 所以，使用以下内容可以匹配之前的内容：soup('h2',text=re.compile(r' #\S{11}')) 结果可能类似于：[u'...
用C#解析HTML的最佳方法是什么？
我正在寻找一个可以解析具有更多HTML特定功能的HTML文件的库/方法，而不仅仅是通用XML解析库。