Question

网页爬虫怎么提取网页信息

我现在能写出一个爬虫，抓取到URL，但是要怎么提取网页信息呢？比如想抓取淘宝上的内容，需要把页面下载下来解析吗？我可以把标签项都去掉，但是要怎么做才能更进一步的提取所需要的信息呢？

Answer 1

正则表达式或者可以使用第三方工具包。
例如html parser ，jsoup 等。
jsoup推荐使用。功能比较强大。简单使用下载请参考
http://zhidao.baidu.com/question/552336025?&oldq=1#answer-1391273085
如有疑问可发私信给我

Answer 2

你的思路是正确的，你可以写正则表达式把页面里需要的信息提取出来

追问

嗯，不过我不太会用正则表达式，我看了看打算用HTMLParser

Answer 3

网页信息利用采集器工具也可以进行爬取，这类工具也可以实现正则格式化处理，通过正则表达式提取自己所需要的信息，