爬蟲-----HTML解析

標籤：隱藏   需要   網站   html   一個   java   載入   接收   樣式   

對HTML的解析：

　　在解析複雜的HTML的頁面時，需要避免一些問題，好讓爬蟲工作變得得心應手。

　　

　　? 尋找“列印此頁”的連結，或者看看網站有沒有HTML樣式更友好的移動版(把自己 的要求標頭設定成處於行動裝置的狀態，然後接收網站移動版)。

　　? 尋找隱藏在JavaScript檔案裡的資訊。要實現這一點，可能需要查看網頁載入的 JavaScript 檔案。雖然網頁標題經常會用到，但是這個資訊也許可以從網頁的URL連結裡擷取。

• 如果要找的資訊只存在於一個網站上，別處沒有，那確實是運氣不佳。如果不只限於這個網站，那麼可以找找其他資料來源。有沒有其他網站也顯示了同樣的資料? 網站上顯示的資料是不是從其他網站上抓取後攢出來的?

爬蟲-----HTML解析