前言：这似乎是一个非常初学者级的问题，可能是愚蠢或不合理的。这就是为什么我不需要一个确定的答案，只是一个提示，一个点，我可以从这开始。
我正在考虑脚本，这将允许我解析不同在线零售商的产品页面，例如亚马逊。以下信息将从产品页面中提取：
该算法的关键点在于，一旦实施，它对于任何零售商，任何产品页面都应该。所以它非常普遍。
哪种技术可以实现这样的算法？甚至可以编写这样的通用解析器吗？
答案 0 :(得分：1)
如果产品页面上的信息以结构化，机器可读的方式标记，例如使用schema.org microdata，您可以将页面HTML解析为DOM树，遍历树以找到微数据元素，并从中提取所需数据。
不幸的是，许多网站仍然没有使用这种结构化数据标记 - 它们只是以人类可读的形式呈现信息，而没有考虑机器解析。在这种情况下，您需要为每个站点自定义数据提取代码，以便它知道您想要的信息在页面上的位置。解析HTML然后使用DOM仍然是很好的第一步，但其余部分必须是特定于站点的（并且可能需要在站点更改其设计时进行更新）。
当然，您也可以尝试使用启发式方法来定位相关数据，例如，假设$符号后面的数字可能价格。当然，这样的方法也可能偶尔会产生不正确的匹配（例如，误将＆＃34; $ 10＆＃34;＆＃34;立即订购并节省10美元！＆＃34;价格）。您可以调整和优化您的启发式方法，以便更聪明地了解这些事情，但无论您获得多少好处，总会有一些您无法预料的新的和意外的案例。