Web Parser

以前沒寫過，也沒去想過一個撈資料的工具該怎麼運作。這兩天閒著(其實已經閒了快一個月惹=    = )，不如花點時間研究一下，也找到一個算是有用的輔助工具，分享一下。
> HTML Agility Pack：簡單好用的快速 HTML Parser

開始前稍微瞭解了一下最基本的原理。

1. 跟我猜想的一樣，利用HTML tag。 如果網頁寫的好、夠結構化，那撈資料的作業也比較好進行。遺憾的是，HTML就是可以不嚴謹，標籤不一定成對，只能祈求還能從中找到一些規律了XD
2. 第1點用的是比字串的方法，據說效能不好(因為還沒大量撈資料，我實在感覺不出來=   =)。另一個方法是利用Regular Expression。 但是這對剛入門的人來說實在是... 門檻相當高，想要寫出一個可用的regular expression，還必須先好好了解每個符號的意義。而且就我這次的經驗(撈一層包一層的HTML tags)，似乎派不上用場。

第一次寫web parser，對像是PTT WebBBS，他單篇文章的HTML架構還滿簡潔的，簡單到... 反而讓人困擾XDD，要將表頭(作者、標題、時間)、內文、推文分開還比較難，因為他們全部放在一組div裡，就沒其他tag了XDD。

文章列表就比較有挑戰性一點，不過這個挑戰用上面推薦的HTML Agility Pack就搞定了XD

因為parser這東西是針對不同網站，解析的寫法就完全不同，應該說是完全客製化了吧，所以，就不介紹code的部分了~ 沒事可以玩玩，還滿有趣的 =D