从网页中提取通用文章

Question

我将开始我的文章提取工作。

我将要做的任务是提取发布在不同网页上的酒店评论（例如 1.http://www.tripadvisor.ca/Hotel_Review-g32643-d1097955-Reviews-San_Mateo_County_Memorial_Park_Campground-Loma_Mar_California.html、2.http://www.travelpod.com/hotel/Comfort_Suites_Sfo_Airport-San_Mateo.html）

我需要在 Java 中完成这项任务，而过去几个月我只是在使用 Java..

我的问题来了。

1. 是否有可能以通用方式从不同网页中单独提取评论。

2. 如果有任何 API 支持 Java 中的任务，请告诉我。

3. 另外，请告诉我您的想法/来源，这将有助于我完成上述任务。

更新

如果网络上有任何相关示例，请发布相同的示例，因为这可能很有用。

Answer 1

您可能需要像 TagSoup 或 NekoHTML 这样的 Java 屏幕抓取实用程序。 JSoup也很受欢迎。

但是，在从第三方网站（如 tripadvisor）提取数据时，您还需要考虑更大的法律问题。他们的政策允许吗？