请大家推荐一个 Screen Screaping 的工具 - V2EX
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
ruoran
V2EX    问与答

请大家推荐一个 Screen Screaping 的工具

  •  
  •   ruoran 2010-10-24 14:29:55 +08:00 5504 次点击
    这是一个创建于 5473 天前的主题,其中的信息可能已经有所发展或是发生改变。
    本人学生,教授要我取 www.chowhound.com 的一些数据,输出为xml tree。
    我用了一下BeautifulSoup. 里面对<script> tag 的处理好像又问题。
    soup = BeautifulSoup (XXX) 时总是:
    HTMLParser.HTMLParseError: malformed start tag, at line 49, column 20

    google后,
    解决办法有如下:
    1. BeautifulSoup3.1 不行。要回到BeautifulSoup3.0.7a
    #这种方法我不知道如何删除3.1包,然后在装老的3.07包。
    #具体来说,问题有分为
    a. 我用的easy_install 安装。具体怎么删除,不清楚。。。貌似是easy_install -xmN?
    b. 3.0.7a 不能从 easy_install直接获取,我不知道手动下的.py文件放哪。。。
    c. 衍生问题:有没有方便的package管理工具(装,删,升)

    2. 组合使用html5lib。(这个没问题,得自己看才行)

    以上就是遇到的情况。
    回到题目,现在有没新的robust screaping tool?
    4 条回复    1970-01-01 08:00:00 +08:00
    ruoran
        1
    ruoran  
    OP
       2010-10-25 00:39:45 +08:00
    又请问如何修改已发文字啊?scraping 写错了。难道这就是没人回的原因。。。
    napoleonu
        3
    napoleonu  
       2010-10-25 08:30:11 +08:00
    可能是因为我PYTHON不够好,处理中文碰到问题
    ruoran
        4
    ruoran  
    OP
       2010-10-25 09:01:14 +08:00
    @napoleonu 谢谢!
    关于     帮助文档     自助推广系统     博客     API     FAQ     Solana     2576 人在线   最高记录 6679       Select Laguage
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 33ms UTC 02:24 PVG 10:24 LAX 19:24 JFK 22:24
    Do have faith in what you're doing.
    ubao msn snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86