Posso raschiare un sito Web per lo stile dei caratteri?

Question

Posso raschiare un sito Web per lo stile dei caratteri?

#1 da (5 voti)

0

Sto cercando di racimolare i siti web per un testo di valore, ad esempio il titolo di un articolo, il nome dell'autore e altri testi distinti. Non posso sempre garantire che questo tipo di testo abbia tag informativi, ma questo deve essere fatto il più rapidamente possibile. Come possibile scorciatoia, penso che potrei semplicemente provare a tirare il testo con uno stile unico. Il titolo è normalmente più grande del testo del corpo, e la riga è normalmente più piccola. C'è un modo per ritirare rapidamente tutti gli stili di carattere di una pagina e quindi classificarli in base alla loro dimensione e alla frequenza con cui vengono utilizzati?

html web-scraping css fonts

posta EasilyBaffled 03.05.2014 - 18:29

fonte

1 risposta

Leggi altre domande sui tag html web-scraping css fonts

I metadati di NuGet sono un buon posto per impostare esclusivamente la licenza per il codice sorgente? Sintassi del passaggio lambda

score 5 · Answer 1

Sembra un modo terribilmente difficile di fare le cose a causa della necessità di comprendere completamente tutti i trucchi che puoi fare nei CSS. Rilevare le intestazioni ( <h1> , <h2> , ecc.) Sarebbe molto più semplice, e se il sito web di destinazione non le utilizza, il loro sito probabilmente non sarà molto ben raschiato dai motori di ricerca. Dopotutto, gran parte del web è in realtà che incoraggia le persone a inserire almeno alcuni tag semantici nelle loro pagine, e le intestazioni sono alcuni dei tag semantici di base ("(questa parte di) questa pagina è su questo argomento ... "). Potrebbero non sempre utilizzare le intestazioni right , ma se non le usano mai, è probabile che la loro pagina non contenga nulla di molto.

Se lo farai diversamente, e hai una libreria per fare tutto il parsing CSS per te (non scrivere la tua!) allora sarai migliore off guardando la proprietà% di testo% co_de. Ricorda che ad alcune persone piacciono gli stili che si distinguono per colore, e altri cambiano le dimensioni dei caratteri ovunque, solo perché possono farlo, ma in realtà sono l'eccezione e non la regola: la regola è che le persone veramente fanno usa i titoli e di solito li usano correttamente.