收集电子邮件地址、竞争分析、网站检查、定价分析和客户数据收集——这些可能只是您需要从HTML文档中提取文本和其他数据的几个原因。不幸的是，手动执行此操作很痛苦、效率低下，并且在某些情况下是不可能的。幸运的是，有多种工具可以满足这些需求。下面的7种工具从为初学者和小型项目设计的非常简单的工具到需要一些编码知识并为更大、更困难的任务设计的高级工具。IconicoHTMLTextExtractor(IconicoHTMLTextExtractor)想象一下，你正在浏览一个竞争对手的网站，然后想要提取文本内容，或者想要查看页面背后的HTML代码。不幸的是，您发现右键被禁用，复制和粘贴也是如此。许多Web开发人员现在正在采取措施禁用查看源代码或以其他方式锁定他们的页面。幸运的是，Iconico有一个HTML文本提取器，您可以使用它来绕过所有这些限制，而且该产品非常易于使用。您可以突出显示和复制文本，提取作品就像上网冲浪一样容易。UiPathUIPath有一套用于自动化流程的工具，包括网页内容抓取实用程序。该工具易于使用，几乎可以获取任何您想要的数据——只需打开页面，转到工具中的设计菜单，然后单击“网页抓取”。除了网络抓取工具之外，屏幕抓取工具还允许您从网页中提取任何内容。使用这两个工具意味着您可以从任何网页上抓取文本、表格数据和其他相关信息。MozendaMozenda允许用户提取网络数据并将该信息导出到各种智能业务工具。它不仅可以提取文本内容，还可以从PDF文件中提取图片、文档和内容。然后，您可以将此数据导出到XML文件、CSV文件、JSON或选择性地使用API。一旦数据被提取和导出，就可以使用BI工具进行分析和报告。HTMLtoText是一个在线工具，可以从HTML源代码中提取文本，甚至只是一个URL。您需要做的就是复制和粘贴、提供URL或上传文件。单击选项按钮让工具知道您需要的输出格式和一些其他详细信息，然后单击转换，您将获得所需的文本信息。（有一个类似的工具—www.htmlnest.com/htmltotext.aspx）OctoparseOctoparse具有“点击”用户界面。即使是事先没有编码知识的用户也可以从网站提取数据并将其发送为各种文件格式。该工具包括从页面中提取电子邮件地址、从工作板中提取工作列表等的功能。本工具适用于动静态网页和云采集（采集任务配置为关闭也可以采集数据）。它提供了一个可以满足大多数使用场景的免费版本，以及一个具有更多功能的付费版本。如果您正在抓取网站进行竞争分析，您可能会被禁止从事此活动。因为Octoparse包含一个循环遍历您的IP地址并可以通过您的IP禁止您的功能。Scrapy是一种免费的开源工具，它使用网络爬虫从网站中提取信息。使用此工具需要一些高级技能和编码知识。但是如果你愿意学习如何以你的方式使用它，Scrapy是抓取大型网络项目的理想选择。该工具已被CareerBuilder和其他主要品牌使用。因为它是一个开源工具，这为用户提供了很多很好的社区支持。KimonoKimono是一个免费工具，它从网页中获取非结构化数据并将该信息提取为具有XML文件的结构化格式。该工具可以交互式使用，或者您可以创建计划作业以在特定时间提取您需要的数据。您可以从搜索引擎结果、网页甚至幻灯片演示中提取数据。最重要的是，Kimono在您设置每个工作流程时创建一个API。这意味着当您返回您的网站以提取更多数据时，您不必重新发明轮子。结论如果您面临从一个或多个网页中提取非结构化数据的任务，那么此列表中的至少一种工具应该包含您需要的解决方案。而且无论您的价格预期如何，您都应该能够找到所需的工具。找出并决定哪个最适合您。意识到大数据对企业蓬勃发展的重要性，收集所需信息的能力对您也很重要。
