『壹』 随机抽取网页，网页随机

。。。你可以用筛子撒。

『贰』 如何通过一个程序，自动打开一个网页并能抽取相关的信息。（知道抽取内容前面的关键词）

1 由一个预先确定的URL下载目标web页面
2 分析页面的结构和目标信息定位
3 根据信息定位，抽取目标信息

另：触发网页内控件的选项是另外一类web信息抽取技术，不同于以上提到的web页面的抽取，可通过浏览器控件实现。

『叁』 网络信息抽取的流程

网络数据抽取技术流程的实现
其具体步骤如下（以最通用的‘Knowlesys采集’步骤为例）
第一步，确立采集目标，即由用户选择目标网站。
第二步：提取特征信息，即根据目标网站的网页格式，提取出采集目标数据的通性。
第三步：网络信息获取，即利用工具自动的把页面数据把存到数据库。

『肆』 怎样抓取网页采集网站内容

这个要看你维护的网站是什么程序了，因为现在好多程序自带采集系统，设置好采集规则就可以采集其他网站的资讯。如果没有自带的，市面上有好多软件可以采集信息，最著名的是火车头，但是这款软件支持的网站基本上是比较流行的CMS程序，同样要看你的网站是不是属于其中的某一款cms程序了。貌似现在应该有自定义接口了，自己编辑一下，让采集软件采集信息后直接加入网站数据库。

『伍』 数据抓取技术能够抓取不是网页版的数据吗

网络爬虫抓取页面信息，提取其中的链接，顺着链接依次爬行，一般深度优先或者广度优先，这样一层一层的抓取，但是网页上的信息可能会涉及版权，如果对方不允许爬虫抓取，robot协议里禁止抓取，或者设置权限为登陆状态才可以，这些都会阻碍爬虫抓取数据。而web页面上的信息，其实是数据库里的数据在网站上的体现，没有体现出来的数据库数据，爬虫是无法抓取的。除非是给一个入口，这样爬虫从入口进去可以抓取数据。
-

『陆』 网页信息的自动提取需要什么技术

首先，你需要编写程序实现监控网页的操作，可以用java或者c++语言编写。数据库用sqlserver。然后编写一个接口将监控到的程序实现保存在本地。再次，你如果需要提取网页中含有你需要的关键字的内容，你就要在你编写的网页资讯监控程序里面植入关键字模块。这样，你就可以通过你开发的软件实现你所需要的关键字监控查找及保存历史记录。希望能够帮到你。

『柒』 如何提取网页中的内容

有用又简单的办法：
工具——Internet选项——安全——自定义级别——设置
找到脚本的设置，
即Java小程序脚本、活动脚本和允许通过脚本进行粘贴
设置三个脚本为禁用。（允许通过脚本进行粘贴脚本设置也可为启用）
确定后，刷新网页。一切OK
特别提醒：用完后一定记得要重新将三个脚本设置还原为
启用，要不网页显示会不正常。

『捌』 抓取网页数据工具用什么工具可以批量抓取网页的数据呢

你这不就是大数据吗？现在这项技术已经成熟，想一要了解的加加加

『玖』 网页结构化抽取现在都有哪些常用方法

垂直搜索是针对某一个行业的专业搜索引擎，是搜索引擎的细分和延伸，是对网页库中的某类专门的信息进行一次整合，定向分字段抽取出需要的数据进行处理后再以某种形式返回给用户。

垂直搜索引擎和普通的网页搜索引擎的最大区别是对网页信息进行了结构化信息抽取，也就是将网页的非结构化数据抽取成特定的结构化信息数据，好比网页搜索是以网页为最小单位，基于视觉的网页块分析是以网页块为最小单位，而垂直搜索是以结构化数据为最小单位。然后将这些数据存储到数据库，进行进一步的加工处理，如:去重、分类等，最后分词、索引再以搜索的方式满足用户的需求。

整个过程中，数据由非结构化数据抽取成结构化数据，经过深度加工处理后以非结构化的方式和结构化的方式返回给用户。

垂直搜索引擎的应用方向很多，比如企业库搜索、供求信息搜索引擎、购物搜索、房产搜索、人才搜索、地图搜索、mp3搜索、图片搜索……几乎各行各业各类信息都可以进一步细化成各类的垂直搜索引擎。

举个例子来说明会更容易理解，比如购物搜索引擎，整体流程大致如下:抓取网页后，对网页商品信息进行抽取，抽取出商品名称、价格、简介……甚至可以进一步将笔记本简介细分成“品牌、型号、CPU、内存、硬盘、显示屏、……”然后对信息进行清洗、去重、分类、分析比较、数据挖掘，最后通过分词索引提供用户搜索、通过分析挖掘提供市场行情报告。

垂直搜索引擎大体上需要以下技术

1.Spider

2.网页结构化信息抽取技术或元数据采集技术

3.分词、索引

4.其他信息处理技术

垂直搜索引擎的技术评估应从以下几点来判断

1.全面性

2.更新性

3.准确性

4.功能性

垂直搜索的进入门槛很低，但是竞争的门槛很高。没有专注的精神和精湛的技术是不行的。行业门户网站具备行业优势但他们又是没有技术优势的，绝对不要想像着招几个人就可以搞定垂直搜索的全部技术，作为一个需要持续改进可运营的产品而不是一个项目来说对技术的把握控制程度又是垂直搜索成功的重要因素之一。

『拾』 网页内容抽取

wget.exe读取网页后用批处理就能实现。就是麻烦。

搞定了，已经发到你邮箱。快给分吧。