Web-Harvest Web 数据提取工具开源项目

Web-Harvest是用Java编写的开源Web数据提取工具。它提供了一种收集所需网页并从中提取有用数据的方法。为了做到这一点，它利用了成熟的文本/xml操作技术，如XSLT、XQuery和正则表达式。Web-Harvest主要专注于基于HTML/XML的网站，这些网站仍然占网络内容的绝大部分。另一方面，它可以很容易地通过定制的Java库来补充，以增强其提取能力。