Jailer智能数据提取工具

Web-Harvest 是用 Java 编写的开源 Web 数据提取工具。它提供了一种收集所需网页并

Web-Harvest是用Java编写的开源Web数据提取工具。它提供了一种收集所需网页并从中提取有用数据的方法。为了做到这一点，它利用了成熟的文本/xml操作技术，如XSLT、XQuery和正则表达

libextractemail 是一个开发包，用于从文本中提取所有的 email 地址。

libextractemail是一个开发包，用于从文本中提取所有的email地址。

PHTX(Peter'sHTMLTableeXtractor)是一个小的Unix命令工具用来从HTML文件中抽取表格数据并存放到CSV格式文件。

HtmlSucker是一个用来从一个网页中提取文章信息的小工具包，例如从网页中提取文章标题、作者、发布时间、封面图以及文章正文内容。基于 jsoup 库进行HTML解析。HtmlSucker提取文章正

PeaExtractor 是开源项目 PeaZip 项目的附带品，可以从 150+ 文档类型 (7Z

Frog 是GNOME 的直观文本提取工具 (OCR)，可从几乎任何来源抓取图像并获取文本：yout

HtmlSucker 是一个用来从一个网页中提取文章信息的小工具包，例如从网页中提取文章标题、作者、