Web scraping web数据挖掘任务的编程语言比较 我需要一些比较不同的编程语言，如：C++、java、python、露比和PHP，用于Web数据挖掘相关的任务，开发Web爬虫、字符串操作等。我有一点PHP的经验，我认为它在这个特殊任务中的优势是简单的语法、深入的字符串解析功能、网络功能和可移植性，但是我不太了解其他语言，也不太了解它们在这个特定任务中的优缺点。

谷歌的第一个爬虫程序是用Python 1.5编写的

---

我不是其他语言的专家，但我会选择python和html5lib或Beautifulsoup。

特定的语言与您的熟悉程度几乎没有关系。现在，所有的高级语言都将附带基础知识。除非你需要它是超快速的，否则你可能会受到下载速度的限制，而不是你解析HTML的速度或者其他没有列出的限制，语言不会有太大的影响

---

只要确保你使用了这些库。特别是一个HTML解析库，它可以很好地处理无效标记，而不是XML解析器和正则表达式（在适当的情况下）。

正如前一篇文章所暗示的，熟悉会带来很大的不同。我还想说，看看这门语言最初设计的目的是什么——它提供了一个关于它最擅长的方面的好主意

PHP-专为服务器端脚本编写而设计，并不适合此用途

Perl——旨在将文本从良好的开端和优秀的库中分离出来——看看LWP和HTML下的模块，比如HTML:：Treebuilder——这是一个不错的选择。无与伦比的插件模块选择

Python——一个不错的选择，看看beautifulsoup和urllib

Ruby——也是一个不错的选择，看看hpricot，从可用模块的角度看，它远没有Perl或Python成熟

---

我已经编写了相当多的WebSpider/数据挖掘软件，并且一直使用Perl。如果我今天从零开始，我可能会选择python。

不同的语言做什么？web上的数据挖掘是一项复杂的任务，不清楚您将要做什么。此外，这取决于你的知识和经验，你愿意学习多少，这是否需要专业素质，以及其他很多事情。我将你的问题重新标记为，而不是指分析，而不是数据提取。