如何从海量网页中抽取出作者，时间，评论内容等信息？

[待解决问题] 浏览: 286次

hbase中有海量网页源代码，需要从海量源代码中精确抽取出【作者，时间，评论内容，点击数】等信息，请问，我该按照什么步骤，思路操作？

文本处理文本挖掘

jonny201251 | 菜鸟二级 | 园豆：208
提问于：2016-12-14 09:57

< > 人人可用的开源BI工具

所有回答(2)

同求，mark

悦光阴 | 园豆：2251 (老鸟四级) | 2016-12-14 13:05

爬虫

ycyzharry | 园豆：25683 (高人七级) | 2016-12-15 23:21

清除回答草稿

您需要登录以后才能回答，未注册用户请先注册。

欢迎，请先 登录 或者 注册 。