Web-HarvestWeb 數(shù)據(jù)提取工具

Web-Harvest 是用 Java 編寫(xiě)的開(kāi)源 Web 數(shù)據(jù)提取工具。它提供了一種收集所需網(wǎng)頁(yè)并從中提取有用數(shù)據(jù)的方法。為了做到這一點(diǎn)，它利用了成熟的文本/xml操作技術(shù)，如XSLT、XQuery和正則表達(dá)式。Web-Harvest主要專注于基于HTML/XML的網(wǎng)站，這些網(wǎng)站仍然占網(wǎng)絡(luò)內(nèi)容的絕大部分。另一方面，它可以很容易地通過(guò)定制的Java庫(kù)來(lái)補(bǔ)充，以增強(qiáng)其提取能力。