从HTML中提取文本的工具

Question

有一个网站，我想从其中提取内容。到目前为止，我一直在Notepad++中使用Regex，但是

1. 我们都知道我们不应该使用Regex解析HTML
2. 由于网站的重新设计，Regex几乎是不可能正确的。

我读过一些可能的答案-- 1、2、3.和4. --但它们都归结为Python+Scrapy或JSoup。

1. 我在找一个非程序员的工具
2. 允许用户直观地选择元素(在呈现的HTML中不一定，也可以在HTML源代码中)
3. 构造一个"XPaths“列表(或类似的，XML XPath理解可用)
4. 之后，可以在计划作业中不使用GUI重新运行提取。

其他所需经费

1. Windows或Ubuntu
2. 商业解决方案是可以的

Answer 1

非程序员工具构建了一个"XPaths“列表。

几乎矛盾的要求，但仍然是一些突出的刮擦软件都是好的。见清单：

• 内容采集器 -重新运行一个项目作为一个独立的抓取代理。
• CloudScrape -通过API重新运行
• 氦气刮刀 -通过Windows进行调度
• 筛刮板 -通过Windows进行调度
• 网络内容抽取器 -通过Windows进行调度

他们的简短描述。