有人知道你好世界的网站吗？
我正在学习一种叫做“网络抓取”的练习，使用python。到目前为止，我可以知道的是，发送一个请求，从服务器加载站点数据，将DOM html存储在一个变量中，然后基本上将s*从结果字符串中挖掘出来，直到您能够准确且只访问所需的信息为止。
好吧，我已经准备好开始修改语句，这些语句可能会帮助我进行实际的数据挖掘，但首先，我需要看到并理解字符串中的所有html。在我掌握了它的诀窍之后，我不会关心html是什么样子的，但是现在我需要能够引用它来正确地分析我的输出。到目前为止，我已经尝试过google、python.net、youtube、各种博客等等，但它们看起来都像“阿利亚尼”。
我只是在找典型的你知道的东西？
<html><head><meta><script src=""><style src=""><title></title></head><body><div class=""><img src=""></div><div><h1>my page</h1><li></li><li></li><li></li><li></li><li></li><li></li><p>click <a href="">here</a></p></div></body></html> 你明白我的意思吗？只是个网站..。就像..。html。来呈现一些简单的结构化数据。
这挺不错的。我给了这个帖子一些标签，我发现了'simple-html-dom‘。所以我搜索了一下。显然，这是一种语言，可以让你以我想要的方式解析来自在线资源的html。稍后我可能会检查这一点，但我仍然想知道如何用python来完成这个任务。
编辑，实际上，类似于这的东西会工作得很好，但它太大了。我更喜欢小一点的工作。
回答 1
Stack Overflow用户
发布于 2016-04-26 14:59:09
虽然构建自己的网页供使用可能会很好，但您也可以尝试查找“为lynx优化”的页面。Lynx是一种只使用文本的浏览器，“简单”页面自然能最好地工作。
你会发现的大多数链接都已经死了，但我找到了这个列表，其中仍然有很多活跃的、同样简单的页面：http://www.put.com/dead.html (请忽略内容本身.没有什么特别的理由我选择这个例子，除了它可能对您的目的很好的工作！)
https://stackoverflow.com/questions/36868388
复制相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号