当然，可以使用任意数量的python解析器解析HTML页面，但令我惊讶的是似乎没有任何公共(public)解析脚本可以从给定HTML文档。我猜这类似于收集DIV和P元素，然后检查它们是否包含最少的文本内容，但我确信可靠的实现会包含很多我没有想到的东西。 最佳答案 试试BeautifulSoupPython库。它具有从html文件中提取信息的非常简单的方法。尝试从网页中提取数据通常需要人们以类似的方式编写他们的页面...但是几乎有无数种方法可以传达看起来相同的页面，更不用说您必须传达的所有组合了相同的信息。您是否尝试提取特定类型的信息
当然，可以使用任意数量的python解析器解析HTML页面，但令我惊讶的是似乎没有任何公共(public)解析脚本可以从给定HTML文档。我猜这类似于收集DIV和P元素，然后检查它们是否包含最少的文本内容，但我确信可靠的实现会包含很多我没有想到的东西。 最佳答案 试试BeautifulSoupPython库。它具有从html文件中提取信息的非常简单的方法。尝试从网页中提取数据通常需要人们以类似的方式编写他们的页面...但是几乎有无数种方法可以传达看起来相同的页面，更不用说您必须传达的所有组合了相同的信息。您是否尝试提取特定类型的信息
许多电子邮件客户端不喜欢链接的CSS样式表，甚至不喜欢嵌入式标记，而是希望CSS以内联方式显示为所有标记上的样式属性。错误:错误:...作品:...但是，这种内联样式属性方法管理起来很痛苦。我找到了适用于Ruby和PHP的工具，它们会将CSS文件和一些单独的标记作为输入，并返回合并后的结果-一个标记文件，其中所有CSS都已转换为样式属性。我正在寻找解决此问题的Perl解决方案，但我没有在CPAN上或通过搜索Google找到一个解决方案。任何指针？或者，是否可以组合CPAN模块来达到相同的结果？rubyhttp://premailer.dialect.ca/PHPhttp://www.p
许多电子邮件客户端不喜欢链接的CSS样式表，甚至不喜欢嵌入式标记，而是希望CSS以内联方式显示为所有标记上的样式属性。错误:错误:...作品:...但是，这种内联样式属性方法管理起来很痛苦。我找到了适用于Ruby和PHP的工具，它们会将CSS文件和一些单独的标记作为输入，并返回合并后的结果-一个标记文件，其中所有CSS都已转换为样式属性。我正在寻找解决此问题的Perl解决方案，但我没有在CPAN上或通过搜索Google找到一个解决方案。任何指针？或者，是否可以组合CPAN模块来达到相同的结果？rubyhttp://premailer.dialect.ca/PHPhttp://www.p
这是HTML的一部分(针对问题进行了简化):我想要得到的是包含拍卖ID的向量，为此显示2.png图像(在本例中为id=4672)。如何构造Selector查询以获得这个？http://jsoup.org/apidocs/org/jsoup/select/Selector.html-在这里我只能找到如何选择child，而不是parent......感谢任何帮助，包括其他库的使用。我尝试过Jsoup，因为它似乎是最受欢迎的。 最佳答案 你可以使用parent()方法:finalStringhtml="\n"+"\n"+"\n"+"\n"
这是HTML的一部分(针对问题进行了简化):我想要得到的是包含拍卖ID的向量，为此显示2.png图像(在本例中为id=4672)。如何构造Selector查询以获得这个？http://jsoup.org/apidocs/org/jsoup/select/Selector.html-在这里我只能找到如何选择child，而不是parent......感谢任何帮助，包括其他库的使用。我尝试过Jsoup，因为它似乎是最受欢迎的。 最佳答案 你可以使用parent()方法:finalStringhtml="\n"+"\n"+"\n"+"\n"
关闭。这个问题是opinion-based.它目前不接受答案。想要改进这个问题？更新问题，以便editingthispost可以用事实和引用来回答它.关闭5年前。Improvethisquestion虽然正则表达式不是完全解析HTML文档的正确工具是绝对正确的，但我看到很多人盲目地忽视任何关于正则表达式的问题，如果他们在提议的文本中看到单个HTML标记的话。由于我们看到很多正则表达式不是的例子是正确的工具，我问你对此的看法:在什么情况下简单的模式匹配是比使用完整解析更好的解决方案引擎？
关闭。这个问题是opinion-based.它目前不接受答案。想要改进这个问题？更新问题，以便editingthispost可以用事实和引用来回答它.关闭5年前。Improvethisquestion虽然正则表达式不是完全解析HTML文档的正确工具是绝对正确的，但我看到很多人盲目地忽视任何关于正则表达式的问题，如果他们在提议的文本中看到单个HTML标记的话。由于我们看到很多正则表达式不是的例子是正确的工具，我问你对此的看法:在什么情况下简单的模式匹配是比使用完整解析更好的解决方案引擎？
关闭。这个问题不符合StackOverflowguidelines.它目前不接受答案。我们不允许提问寻求书籍、工具、软件库等的推荐。您可以编辑问题，以便用事实和引用来回答。关闭去年。Improvethisquestion我需要能够将动态HTML(由javascript在页面加载时呈现的html)转换为PDF。我知道有很多HTML到PDF的转换器，但到目前为止我发现没有一个可以处理动态HTML。给定的工具应该能够成功转换以下页面-http://www.simile-widgets.org/timeline/干杯安东尼更新:我不需要这里的JavaScript功能...即我不需要能够与屏幕交
关闭。这个问题不符合StackOverflowguidelines.它目前不接受答案。我们不允许提问寻求书籍、工具、软件库等的推荐。您可以编辑问题，以便用事实和引用来回答。关闭去年。Improvethisquestion我需要能够将动态HTML(由javascript在页面加载时呈现的html)转换为PDF。我知道有很多HTML到PDF的转换器，但到目前为止我发现没有一个可以处理动态HTML。给定的工具应该能够成功转换以下页面-http://www.simile-widgets.org/timeline/干杯安东尼更新:我不需要这里的JavaScript功能...即我不需要能够与屏幕交
