Java網頁信息抽取組件：HtmlExtractor
HtmlExtractor是一個Java實現的基于模板的通用的網頁結構化信息精準抽取組件，本身并不包含爬蟲功能，但可被爬蟲或其他程序調用以便更精準地對網頁結構化信息進行抽取。
HtmlExtractor是為大規模分布式環境設計的，采用主從架構，主節點負責維護抽取規則，從節點向主節點請求抽取規則，當抽取規則發生變化，主節點主動通知從節點，從而能實現抽取規則變化之后的實時動態生效。
本文由用戶 jopen 自行上傳分享，僅供網友學習交流。所有權歸原作者，若您的權利被侵害，請聯系管理員。
轉載本站原創文章，請注明出處，并保留原始鏈接、圖片水印。
本站是一個以用戶分享為主的開源技術平臺，歡迎各類分享！