标记或标记非结构化数据

Question

我不完全确定如何称呼它，但我搜索了几个短语而没有找到我需要的东西。

我有很多非结构化数据需要进入数据库。我曾经用Needlebase做繁重的工作，只是从那里清理数据。但现在已经没有了，我想要一个很好的方法来快速抓取文字，而不是选择，复制，粘贴，泡沫，冲洗，重复。

理想情况下，我可以选择一些文本，弹出窗口会询问它是什么（从用户定义的列表，标题，开始时间，图像路径等），然后将其标记为这样。当然，我需要能够标记记录的开头和结尾（所有行数据都是连续的，而不是以易于解析的格式）。

我可能会在几个小时内写下这样做的东西，但是如果存在某些东西，我不想重新发明轮子。我在OS X上，但我对任何平台的软件感兴趣。

Answer 1

是HTML格式的数据吗？如果是，你可以使用Jsoup