java - 从站点提取数据

Question

关闭。这个问题需要多问 focused 。目前不接受答案。

---

想要改进此问题吗？更新问题，使其仅关注一个问题 editing this post .

已关闭 9 年前。

Improve this question

我想从网站中提取数据。我已经使用文章提取器从网站获取了信息，但现在我想获取有关特定地点的事件的信息。当我将位置作为输入时，我想获取该位置的事件。例如，我想从该站点“http://www.indianevents.org/events-Rajasthan-14.htm”中提取信息，我可以提取所有事件、节日等。

URL url;
url = new URL(str);
InputSource is = HTMLFetcher.fetch(url).toInputSource();      
BoilerpipeSAXInput in = new BoilerpipeSAXInput(is);
TextDocument doc = in.getTextDocument();       
news=ArticleExtractor.INSTANCE.getText(doc);

Answer 1

• 考虑Apache Tika下载文本内容
• 您可以使用stanford pos tagger将文本解析为有意义的句子
• NLP 可以帮助识别事件信息。

虽然写这个听起来很简单(相信我，这很困难)。祝你好运。 :)