從網頁上提取一般文章

Question

我將開始我的文章提取工作。

我要做的任務是提取發布在不同網頁上的酒店評論（例如1. http://www.tripadvisor.ca/Hotel_Review-g32643-d1097955-Reviews-San_Mateo_County_Memorial_Park_Campground-Loma_Mar_California.html，2 。http://www.travelpod.com/hotel/Comfort_Suites_Sfo_Airport-San_Mateo.html ）

我需要在Java中完成任務，僅在過去的幾個月中，我就在使用Java。

這是我關於這些的問題。

1. 是否有可能以通用方式從不同的網頁中單獨提取評論。

2. 請讓我知道是否有支持Java任務的API。

3. 另外，請告訴我您的想法/資料，這對我完成上述任務會有所幫助。

UPDATE

如果網上有任何相關示例，請張貼相同的示例，因為這可能很有用。

Answer 1

您可能需要用於Java的屏幕抓取實用程序，例如TagSoup或NekoHTML 。 JSoup也很流行。

但是，從Tripadvisor之類的第三方網站提取數據時，您在法律上也有更大的考慮。 他們的政策允許嗎？