HTML 解析
数据定义
HTML 解析是分析 HTML 标记以提取其结构和内容的过程。解析器将原始 HTML 字符串转换为程序可查询和操作的可导航树形结构。
与 CrawlForge 的关联
HTML 解析是网页抓取背后的核心技术操作。来自网页的原始 HTML 必须先被解析为结构化表示，然后才能提取任何数据。解析器的质量决定了它处理网络上常见的格式错误 HTML 的能力。
CrawlForge 在其所有工具中内部处理 HTML 解析，使用能够优雅处理真实世界 HTML 的健壮解析器。你永远无需自己应对解析的怪异之处——只需指定所需数据，工具就会返回干净的结果。
相关术语
DOM 解析
DOM 解析是将原始 HTML 转换为结构化文档对象模型（DOM）树的过程。这种树形表示让程序能够导航并从网页中提取特定元素。
CSS 选择器
CSS 选择器是一种用于选取并定位网页上特定 HTML 元素的模式。在网页抓取中，选择器精确指明要从页面结构中提取哪些数据。
XPath
XPath（XML Path Language）是一种用于从 XML 或 HTML 文档中选取节点的查询语言。相比单独使用 CSS 选择器，它提供了更强大、更灵活的文档树导航方式。
JSON-LD
JSON-LD（JSON for Linking Data）是一种使用 JSON 格式编码结构化数据的方法。它是在网页中嵌入 schema.org 标记以供搜索引擎理解的首选格式。