Я работаю над программой, которая загружает HTML-страницы, а затем выбирает часть информации и записывает ее в другой файл. Я хочу извлечь информацию, которая находится между тегами абзаца, но я могу получить только одну строку абзаца. Мой код...

Возможно ли и какие инструменты можно использовать для анализа html-документа в виде строки или из файла, а затем для построения дерева DOM, чтобы разработчик мог пройти по дереву через какой-либо API. Например: DomRoot = parse("myhtml.html");...

Я просматриваю новостные веб-сайты и хочу извлечь заголовок новости, аннотацию новости (первый абзац) и т. Д. Я подключился к коду парсера webkit, чтобы легко перемещаться по веб-странице в виде дерева. Чтобы исключить навигацию и другой не...

Я знаю, я знаю... регулярное выражение - не лучший способ извлечь HTML-текст. Но мне нужно извлечь текст статьи из большого количества страниц, я могу хранить регулярные выражения в базе данных для каждого сайта. Я не уверен, как синтаксические...

Как я могу получить содержимое запрошенного URL-адреса, который возвращает html-страницу, переданную в строку, с помощью java in flash actionscript. ?! У меня есть это на данный момент var req:URLRequest = new...

У меня есть текст, полный адреса ссылки со стилем href=\'http://address.com\' Я использую re.findall('"((http)s?://.*?)"', srcCode) в Python 3.4 для извлечения всех ссылок, но не работает. Как я могу это исправить?

Прямо сейчас я пытаюсь отображать изображения и тексты из одного html-контента в текстовом представлении в Android. На самом деле я получаю это содержимое html из json, но с помощью приведенного ниже кода я могу отображать только доступные тексты,...

Это дополнительный вопрос к RCurl getURL с циклом - ссылка в PDF убивает зацикливание : У меня есть следующая команда getURL : require(RCurl) #set a bunch of options for curl options(RCurlOptions = list(cainfo = system.file("CurlSSL",...

Я пишу программу, которая читает общую HTML-страницу «статьи» (Wikipedia, NY Times, Yahoo News и т. д.). С этой страницы я хочу убрать весь «шум» (рекламу, заголовки... все, что не является частью содержания статьи). Если подумать, я хочу сохранить...