从站点提取数据

Question

我想从网站中提取数据。我已经使用文章提取器从网站获取信息，但现在我想获得有关特定地点事件的信息。当我将位置作为输入时，我想在那个地方获取事件。例如，我想从这个网站提取信息＆＃34; http://www.indianevents.org/events-Rajasthan-14.htm＆＃34;我能够提取所有活动，节日等。

URL url;
url = new URL(str);
InputSource is = HTMLFetcher.fetch(url).toInputSource();      
BoilerpipeSAXInput in = new BoilerpipeSAXInput(is);
TextDocument doc = in.getTextDocument();       
news=ArticleExtractor.INSTANCE.getText(doc);

Answer 1

• 考虑Apache Tika下载文字内容
• 您可以使用stanford pos tagger将文本解析为 有意义的句子
• 和NLP可以帮助识别事件信息。

尽管写这个听起来很简单（相信我很难）。 祝好运。 ：）