【工具】雅虎开源解析HTML页面数据的Web爬取工具Anthelion

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

数据分析师最常用的工具应该是R和python了。今天再跟大家介绍一种不错的工具。

Yahoo 宣布开源解析 HTML 页面结构数据的 Web 爬取工具 Anthelion。

　　Web 爬行工具是 Yahoo 很重要的核心，甚至超过了其他应用： Yahoo Mail, Yahoo Finance, Yahoo Messenger, Flickr 和 Tumblr。

　　上一年在上海的一次会议中，Yahoo 也详细提到了 Anthelion：“Anthelion 最初专注于语义数据，使用标记语言嵌入到 HTML 页面，比如 Microdata，Microformat 或者 RDFa。”这次会议还提到了爬取技术是如何实现的，为什么能提供更高数量的特定搜索查询相关的结果。

　　Microdata 和 RDFa 是结构数据关于不同主题的语法格式，兼容 schema.org 词汇（一个 Google，Yahoo 和 Bing 搜索引擎都在研究的项目） a project that the Google, Yahoo, and Bing search engines all work on.

　　Anthelion 的代码现在以 Apache 开源授权协议托管到 GitHub：https://github.com/yahoo/anthelion，包含 Apache Nutch 完整源代码。

　　Anthelion 可以根据设定目标爬取特定页面，比如，包括标记描述影片和至少两个不同属性（比如电影标题和演员）。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：HTML lion Nth The htm 数据分析 数据分析工具 R语言 python