Semalt Menerangkan Cara Mengekstrak Data yang Diperlukan Dari Laman Web HTML

Sebilangan besar maklumat yang disajikan dalam jaring dianggap "tidak berstruktur" kerana tidak disusun dengan betul. Laman web HTML berbeza dengan cara mereka berisi dokumen teratur, dan teks yang disajikan dalam dokumen disusun dalam kod HTML yang mendasari.

Terdapat tiga kaedah pengekstrakan data utama dari laman web HTML:

• Menyimpan teks yang terdapat di laman web ke komputer anda;
• Menulis kod untuk pengekstrakan data;
• Menggunakan alat pengekstrakan khas;

1. Cara mengekstrak HTML dari laman web tanpa pengekodan

Anda boleh mengikis kandungan halaman web menggunakan langkah-langkah yang dijelaskan di bawah:

Mengekstrak teks sahaja

Setelah membuka laman web yang mengandungi teks yang anda inginkan, klik kanan dan pilih pilihan "Simpan Halaman Sebagai," atau "Simpan Sebagai". Ketik nama untuk fail di bidang "Nama Fail" dan dari menu tarik-turun "Simpan Sebagai Jenis", pilih "Halaman Web, HTML sahaja." Klik butang "Simpan" dan tunggu beberapa saat.

Semua teks di halaman tersebut diekstrak dan disimpan sebagai fail HTML. Pilihan pemformatan halaman asal tetap utuh, dan anda boleh mengedit kandungan dalam penyunting teks seperti Notepad.

Mengekstrak keseluruhan laman web

Pilih "Simpan sebagai" atau "Simpan Halaman Sebagai" dalam menu "Fail". Kemudian, klik "Halaman Web, Lengkap" dari menu lungsur "Simpan sebagai Jenis". Setelah mengklik "Simpan", teks dan gambar akan diekstrak dari halaman dan disimpan di mana sahaja anda mahu. Teks diletakkan dalam fail HTML sementara gambar disimpan dalam folder.

2. Mengekstrak HTML dari laman web menggunakan pengekodan

Anda boleh bekerja secara langsung dengan fail HTML menggunakan alat khas. Anda juga dapat membuat kod untuk menghapus semua tag HTML dan menyimpan teks yang terdapat dalam fail HTML menggunakan XPath atau ekspresi biasa. Beberapa bahasa pengaturcaraan yang paling popular untuk tugas ini termasuk Python, Java, JS, Go, PHP dan NodeJs.

3. Menggunakan alat pengekstrakan data web

Sekiranya anda hanya ingin mengekstrak fail HTML dari laman web tanpa menulis satu baris kod atau mengelakkan penyiksaan kaedah salin dan tampal, gunakan alat mengikis web . Sebenarnya, terdapat banyak alat bantu yang dapat mengumpulkan maklumat yang diperlukan dari laman web dan kemudian mengubahnya menjadi format tersusun. Cubalah beberapa alat mengikis , dan anda pasti akan menjumpai alat yang paling sesuai untuk keperluan mengikis anda.