除了正則表達式之外，還有另一種方法可以屏幕抓取嗎？

Question

我正在做一個個人的，只是爲了好玩，使用屏幕抓取的項目給我一個系統托盤通知，以防添加，修改或刪除HTML表格上的另一行。

之前做過這些之前我想：我們來看看正則表達式的東西，就是這樣，但作爲一個好奇的人，讓我覺得可能有其他東西可以有另一個範例，但是要儘可能簡單使用。

我瞭解DOM和X-Path以及所有xml'ish方法。我正在尋找盒子外的東西，甚至可以在一組規則中定義，這樣您就可以製作一個插件系統來聚合各種網站。

Answer 1

見Options for HTML Scraping

Answer 2

如果你可以使用的東西源轉換成有效的XHTML/XML像SgmlReader或HtmlTidy那麼你可以使用XSLT。只需爲每個想要抓取的網站創建一個XSL模板。

Answer 3

這裏有一個想法：假設你的主要使用案例越來越每當一個HTML文件的變化，爲什麼不使用經過更改的行一個標準的diff工具，然後循環，將您的規則的通知？此外，如果您有權訪問服務器和您正在觀看的文件，您可以使用CVS（或類似軟件）將所有內容都放在源代碼控制之下，然後只需觀察提交。如果您想將此方法用於網絡上的隨機網站，只需編寫一個腳本，該腳本會定期下載相應網址的html，然後將其提交到源代碼管理並觀看差異。

不是很實用，但在盒子外面。