logo
languageDEdown
menu

Wie extrahiert man Text aus HTML Datei?

3 Minuten lesen

Wie wird Text in HTML-Datei dargestellt?

Bevor Sie Text aus HTML Datei extrahieren, sollen Sie zuerst es genau wissen, wie Text oder andere Arten von Daten in HTML Datei dargestellt sind.

Der Hauptteil einer HTML Datei ist eine Reihe von Elementen, die nach einer bestimmten Regel als Code angeordnet sind, damit das Layout einer Website gestaltet wird.

Hier ist ein Beipiel aus einer HTML Datei.

Sehen Sie hier die Ressource: https://www.w3schools.com/html/tryit.asp?filename=tryhtml_paragraphs2

<p>
This paragraph
contains a lot of lines
in the source code,
but the browser
ignores it.
</p>

Sie können das obige als ein Element betrachten. Die Zeichen <p> und </p> markieren das Textfelder, das oft zwischen <span> und </span> oder <h> und </h> steht.

Das Verständnis der Struktur einer HTML-Datei wäre hilfreich, wenn Sie nur ein bestimmtes Datenelement aus der HTML-Datei (oder der Webseite) extrahieren möchten. Und genau hier käme Xpath ins Spiel.- eine Abfragesprache zur Auswahl von Elementen aus einem XML/HTML-Dokument.

Wie extrahiert man Text aus HTML? 

Es gibt zwei Möglichkeiten, um Text aus HTML-Dateien zu extrahieren.

Extrahieren mit Programmierung

Für einfache HTML-Datei kann man mit grundlegenden Programmierungskenntnissen ein Programm erstellen und ausführen. Es gibt viele Programmierungssprachen wie C#, Java, Python, JS, PHP, Go und NodeJs zur Verfügung.

Einige dieser Sprachen haben ihre eigenen Parser für HTML, die kostenlos erhältlich sind. Wenn Sie mehr über diese HTML-Parser erfahren, klicken Sie bitte hier: https://en.wikipedia.org/wiki/Comparison_of_HTML_parsers.

Extrahieren mit Scraping Tool

Es gibt viele leistungsstarke Web Scraping Tools, wie z. B. Octoparse. Damit können Sie fast alles auf einer Webseite erfassen, einschließlich Text, Bilder, URL usw. Sie können alles, was Sie erhalten haben, in ein strukturiertes Datenformat umwandeln.

Mit Scraping Tool ist keine Programmierung erfordlich. Deswegen ist es sehr freundlich für die Benutzer*innen, die gar keine Erfahrungen beim Scraping haben. Hier ist Octoparse vorzustellen, das als Scraping Tool dient und sehr einfach zu verwenden ist. Was Sie tun müssen, ist nur Eingeben der gewünschten URL von Website und ein Klick auf “Run”. Dann wird die Website mit Auto-Detektion Technik durchgesucht und alle Daten werden ausgelesen. Wenn die Aufgabe zum Schluss gekommen ist, können Sie die extrahierten Daten in verschiedene Datei, sowie Excel, CSV, JSON usw. exportieren lassen.

Beispiel für HTML Extraktion

Wenn Sie nur Einsteiger bei Programmierung sind, aber die Daten aus bestimmten Websites extrahieren möchten, können Sie ein Scraping Tool wählen.

Der automatische Erkennungsalgorithmus von Octoparse macht das Daten-Scraping auch für Nicht-Programmierer sehr einfach. Die meisten Websites lassen sich in nur drei einfachen Schritten bearbeiten.

+ Eingeben Sie die Ziel-URL

+ Starten Sie die Auto-Detektion

+ Führen Sie die Aufgabe für Extraktion aus.

Hier wird die Datenextraktion aus Website https://www.amazon.de/gp/bestsellers mit Octoparse als Beispiel zum besseren Vertändnis genommen.

Wenn Sie für Octoparse intertessieren, können Sie es zuerst herunterladen und es kostenlos im Plan 14 Tage gratis probieren.

Website: https://www.octoparse.de/

Herunterladen: https://www.octoparse.de/download/windows

Schritt 1: Geben Sie die Ziel-URL ein

Schritt 2: Starten Sie die Auto-Detektion.

  • Klicken Sie auf “Auto-detect webpage data”.
  • Wenn die Auto-Detektion fertiggemacht wurde, klicken Sie dann auf “Create workflow”.
  • Dann wird eine Aufgabe für Datenextraktion erstellt. Sie können den Workflow auf der rechten Seite überprüfen und die Daten im Vorschaufenster nach Bedarf umbenennen oder entfernen.

Schritt 3: Führen Sie die Aufgabe für Extraktion aus.

  • Sie können die Aufgabe auf Ihrem Computer oder in der Cloud ausführen lassen.
  • Wenn die Aufgaben fertig ist, können die extrahierten Daten in Excel, CSV; HTML oder JSON exportieren lassen.

Hier bekommen Sie Octoparse! 🤩

Preis: $0~$249 pro Monat

Packet & Preise:Octoparse Premium-Preise & Verpackung

Kostenlose Testversion: 14-tägige kostenlose Testversion

Herunterladen:Octoparse für Windows und MacOs

Wenn Sie Probleme bei der Datenextraktion haben, oder uns etwas Vorschlägen geben möchten, kontaktieren Sie bitte uns per E-Mail (support@octoparse.com). 💬

Autor*in: Das Octoparse Team ❤️

Themen untersuchen

Starten mit Octoparse heute

Download

Verwandte Artikel

  • avatarChristel Kiesel
    In diesem Artikel werden wir 3 Fragen beantworten: Wie können wir mit oder ohne Programmierkenntnisse einfach Echtzeit-Datenanalyse erledigen? Warum ist die Erfassung der Echtzeitdaten wichtig? Wie können Echtzeitanalyse das Unternehmenswachstum effektiv fördern?
    13. April 2023 · 4 Minuten lesen
  • avatarNeela Schmidt
    Seit Jahren kommt E-Commerce mit dem rasanten Wachstum der globalen Wirtschaft zu einem Schlagwort. Alle Unternehmen bestreben sich daran, das Online Geschäft durch Amazon, eBay sowie Tiktok zu entwickeln und vergrößern. Und es ist auch ein dringender Trend, sich konkurrenzfähiger als anderen zu machen. Aber wodurch kann man das Ziel erreichen? Hier gibt es eine Lösung: die Daten. Es ist so zu sagen, dass die Daten, die bei allen Veranstaltungen von Kaufen und Verkaufen auf Internet entstanden sind, zu dem Schlüssel geworden ist. Man kann durch Analysieren solcher Daten Marketingstrategie treffen und Geschäft verbessern. In diesem Artikel erfahren Sie, wie man mit Hilfe der Web Scraping Tool die Daten aus E-Commerce Website extrahieren kann.
    10. Januar 2023 · 5 Minuten lesen
  • avatarChristel Kiesel
    In diesem Tutorial zeige ich Ihnen, wie Sie Twitter-Daten in 3 Minuten scrapen können, ohne die Twitter-API, Tweepy oder Python zu verwenden und keine einzige Zeile Code zu schreiben. Um Daten aus Twitter zu extrahieren, können Sie ein automatisiertes Web-Scraping-Tool verwenden - Octoparse. Octoparse simuliert die menschliche Interaktion mit einer Webseite, und ermöglicht Ihnen, alle Informationen auf einer beliebigen Website zu extrahieren, wie z. B. Twitter. So können Sie beispielsweise ganz einfach Tweets eines Benutzers, Tweets, die bestimmte Hashtags enthalten oder innerhalb eines bestimmten Zeitraums gepostet wurden, usw. extrahieren. Sie brauchen nur die URL Ihrer Zielwebseite zu erfassen und die in den in Octoparse integrierten Browser einzufügen. Mit ein paar Mausklicks können Sie einen Crawler von Grund auf selbst erstellen. Wenn die Extraktion abgeschlossen ist, können Sie die Daten in Excel-Tabellen, CSV, HTML oder SQL exportieren oder sie über die Octoparse-APIs in Echtzeit in Ihre Datenbank exportieren.
    15. Dezember 2022 · 5 Minuten lesen
  • avatarNeela Schmidt
    Heutzutage wird PDF häufig verwenden zum Lesen, Präsentieren und für viele andere Zwecke. Viele Websites speichern Daten auch in einer PDF-Datei, die man herunterladen kann. Sie können PDF-Dateien ganz einfach anzeigen, speichern und drucken. Aber wenn Sie die PDF Datei extrahieren möchten, ist es immer ein Problem. Daher ist es schwierig, eine PDF-Datei zu bearbeiten und Daten draus zu exportieren. Glücklicherweise gibt es einige Lösungen, um Daten aus PDF zu extrahieren, und wir werden die in diesem Beitrag vorstellen.
    12. Dezember 2022 · 2 Minuten lesen