@老虎会游泳，

用 xpath、css 选择器 来批量提取数据有些吃力

CSS 选择器、xpath 我都用过，对于提取单独几条挺好用的。

但是批量提取整个页面的数据，就麻烦多了。

所以想着有没有验证 HTML 结构的同时，还能提取出内容的。

为啥要验证

页面结构很动态，目前我只能靠验证来确定：

1. 有可能会出现什么元素，不遗漏元素，也不误解元素含义（比如老虎林首页，还有可能出现 [公开]、[被下沉]、[评论关闭] 之类的）

2. 防止日后结构变化时不自知

@无名啊，这是最接近你想要的东西：

XSLTJSON: Transforming XML to JSON using XSLT

https://github.com/bramstein/xsltjson

XSLT是一种样式表，用于把XML转换为其他表现形式（比如可显示的HTML，甚至是JSON）。该样式表也可以用于验证输入是否与样式匹配。

不过HTML不是严格的XML，不清楚解析器是否能正确处理HTML中的宽松语法。

PHP版：https://symfony.com/doc/current/components/dom_crawler.html

If you prefer CSS selectors over XPath, install The CssSelector Component. It allows you to use jQuery-like selectors:

$crawler = $crawler->filter('body > p');

querySelector的nodejs版本：
https://www.npmjs.com/package/query-selector

@无名啊，验证不了解。最好的html内容提取工具是浏览器的document.querySelector()，我在chatgpt机器人里有很多应用。

@老虎会游泳，以前碰到过类似情况吗？有啥好用的工具吗？

@无名啊，如果你想要nosql还需要支持json索引的时候又要支持sql还方便分发，那就只能做取舍了，估计还没人做这样的轮子

@缘儿，0 楼有提到过

Unqlite：不支持索引；不支持一般 SQL 语句（即，不支持声明式编程），需要自己写类似 Lua 的嵌套代码。。

@无名啊，unqlite

@缘儿，Python。能提供 C API 就好

@咯叽，啥网页的广告，插件都拦不了？

@无名啊，你用什么语言？

层主 @咯叽 于 2023-10-07 23:11 删除了该楼层。

@缘儿，适用于小工具类型的，不用启动服务器（即，你所说的嵌入式？）

比如，像 SQLite 那样，1 MB，便携易分发易使用（可惜它是关系型数据库）

@胡椒舰长，是这个理儿。。

明年 chrome 就要大幅限制广告拦截和油猴插件之类的了。。

@无名啊，你定义大小型的标准是什么？嵌入式？rethink的docker image大小才不到50m，在我的理解中已经算是小型了

@无名啊，我的意思是没有竞争对手就会乱来，就算是apple google这种也会作恶，除非有一个 能平替的对手，他们才会收敛，当然反过来说国产的东西也是这个道理

@胡椒舰长，敲打 chrome。。华为要做自己的浏览器了？看起来必要性不大呀。。

@希望自己长胖胖，

不错，打破封锁，狠狠的敲打敲打 美利坚。 也顺便敲打敲 打苹果和chrome(复制网址自带http://)