我试图根据我提取的数据搜索网站并编制电子表格
我试图抓的网站是WEARVR
我对刮擦没有太多经验，但我的方法是在html标签中找到独特的属性并用它来刮掉我想要的东西。
因此，对于这个网站，我的方法是首先在点击其中一个体验时抓取您所采用页面的URL列表，例如：https://www.wearvr.com/#game_id=game_1041，
然后循环执行此操作列表每次都刮取相关属性。
然而，我被困在第一步，而不是使用简单的＆＃34; a href＆＃34;标签，我遇到了＃34; data-reactid＆＃34;标签混淆了这件事。
我正在使用iMacros进行拼抢，但我现在在Java上相当不错，所以如果需要的话，可以学习Java（这似乎可能因为iMacros非常有限）。
我的问题是，这些＆＃34;数据重新发送＆＃34;标签是如何工作的，因此我如何利用它们来实现我的刮擦目的？
此外，如果这是一个XY问题，请告诉我并建议更好的方法。
感谢阅读！
答案 0 :(得分：0)
处理抓取的最简单方法是将页面视为一个大字符串（因为最终，它就是这样）。您可以在该字符串中搜索某些内容（例如href =）以获取链接。您还可以智能地假设a标签中的任何内容与链接相关并抓住它。
您真的不需要理解HTML，并且您不必了解页面或任何其他css或标记的工作方式，您只需要确定所需文本周围的可识别字符串组合类型。我会说这可能比使用IMacro更容易在Java中实现，并且可能更准确。
您可以处理它的另一种方法是将整个页面视为XML文档，这需要更多的HTML和XML知识。这...并不总是适用于HTML，特别是如果它更旧或形成不良，所以字符串方法更容易。您可以从存在的各种XML映射库中获得一些实用程序，但除此之外它与上面的类似。