解析HTML表的最佳方法

我对解析下表和其他类似表格感兴趣：

关于这项工作的最佳工具有什么建议吗？在四处搜索之后，我无法决定我应该使用什么，我想在做出承诺之前得到一些反馈

---

我对任何语言/工具都持开放态度。

如果您正在寻找HTML解析器，Java中有许多选项：

---

您可能还想对使用每种方法的利弊进行非常全面的讨论。

如果您正在寻找HTML解析器，Java中有许多选项：

您可能还想对使用每种方法的利弊进行非常全面的讨论。

对于lynx，我可以做：

$ lynx -dump http://www.cityofames.org/ftp/routes/Fall/wdreds\&w.html
    6:25  6:31  6:36  6:41 -----  6:46  6:50      6:56
    7:02  7:08  7:14  7:20 -----  7:26  7:30      7:36
   ----- ----- ----- -----  7:38  7:43  7:47      7:53 1A
    7:28  7:35  7:42  7:48 -----  7:56  8:00      8:06
   ----- ----- ----- -----  7:58  8:03  8:07      8:13 1A
...

使用所选脚本语言进行解析变得非常容易，

html2text

也可以工作（从未使用过）

您还可以使用grep/sed对其进行格式化。

使用lynx，我可以：

$ lynx -dump http://www.cityofames.org/ftp/routes/Fall/wdreds\&w.html
    6:25  6:31  6:36  6:41 -----  6:46  6:50      6:56
    7:02  7:08  7:14  7:20 -----  7:26  7:30      7:36
   ----- ----- ----- -----  7:38  7:43  7:47      7:53 1A
    7:28  7:35  7:42  7:48 -----  7:56  8:00      8:06
   ----- ----- ----- -----  7:58  8:03  8:07      8:13 1A
...

使用所选脚本语言进行解析变得非常容易，

html2text

也可以工作（从未使用过）

---

您还可以使用grep/sed对其进行格式化。

HTML太难被任何解析器理解。您需要首先使用tidy之类的程序将其转换为类似XHTML的合理紧密的XML格式（用于格式良好-表示匹配的标记）(http://tidy.sourceforge.net/). 然后可以使用XML/XHTML解析器解析格式良好的XML。请注意，您必须根据字体样式处理数据，并将基于字体样式的标记转换为时间数组

下面是解析时可以执行的操作

start TR element
  --Create Array
 start b element
  -- Add One time
 end b element
 start b element
  -- Add second time
 end b element
end TR element        

---

HTML太难了，任何解析器都无法理解。您需要首先使用tidy之类的程序将其转换为类似XHTML的合理紧密的XML格式（用于格式良好-表示匹配的标记）(http://tidy.sourceforge.net/). 然后可以使用XML/XHTML解析器解析格式良好的XML。请注意，您必须根据字体样式处理数据，并将基于字体样式的标记转换为时间数组

下面是解析时可以执行的操作

start TR element
  --Create Array
 start b element
  -- Add One time
 end b element
 start b element
  -- Add second time
 end b element
end TR element        

---

你想把它解析成什么格式？@Petah：我想把这些列分成时间数组，或者类似的数组。什么样的数组，JSON，PHP，etc@Petah：嗯，我在考虑在本地创建一个新文件，可能采用CSV等格式，以便在其他地方使用。因此，这将有助于实现这一目标。抱歉这么含糊。你想把它解析成什么格式？@Petah：我想把这些列分成时间数组，或者类似的数组。什么样的数组，JSON，PHP，etc@Petah：嗯，我在考虑在本地创建一个新文件，可能采用CSV等格式，以便在其他地方使用。因此，这将有助于实现这一目标。抱歉说得这么含糊。