【发布时间】：2011-01-11 09:12:51
【问题描述】：
是否有 ruby 或 php 库能够解析 html 页面并通过将其与其他类似页面进行比较来提取唯一数据....应该使用某种文本挖掘来识别哪些文本更有可能是噪音和重复，而其他文本则更独特、更有用……
【问题讨论】：
标签： php ruby text data-mining text-mining
【发布时间】：2011-01-11 09:12:51
【问题描述】：
我是一名 PHP 人，对 Ruby 一无所知，但我认为您想要的归档很简单：
- 使用Simple HTML DOM 之类的东西来解析页面。
- 为每个页面比较所有 DOM 元素。
- 获取具有不同内容的所有元素的路径，这些将是您的信号元素。
【讨论】：