除了正则表达式之外，还有其他方法可以进行屏幕抓取吗？

Question

我正在做一个个人的、只是为了好玩的项目，该项目使用屏幕抓取来给我一个系统托盘通知，以防 HTML 表格上的另一行被添加、修改或删除。

做完这件事之前我想：好吧，让我们继续讨论正则表达式，仅此而已，但作为一个好奇的人，让我认为可能还有其他东西可以有另一种范例，但使用起来很简单。

我了解 DOM 和 X-Path 以及所有 xml'ish 方法。我正在寻找一些开箱即用的东西，甚至可以在一组规则中定义的东西，这样你就可以制作一个插件系统来聚合各种站点。

Answer 1

看 HTML 抓取选项

Answer 2

这是一个想法：假设您的主要用例是在 HTML 文件更改时收到通知，为什么不使用标准 diff 工具，然后循环更改的行，应用您的规则？

另外，如果在这种情况下您可以访问服务器和您正在监视的文件，您也许可以使用 CVS（或类似的）将所有内容置于源代码控制下，然后只监视提交。如果您想对网络上的随机站点使用这种方法，只需编写一个脚本，定期下载相应 URL 的 html，然后将其提交到源代码管理并观察差异。

不是很实用，但又开箱即用。

Answer 3

如果您可以使用类似的方法将源代码转换为有效的 XHTML/XML SGML阅读器 或者 html整洁 那么你可以使用XSLT。只需为您想要抓取的每个站点创建一个 XSL 模板即可。