1 repository
Awesome GitHub RepositoriesExtraction Rule Learning
The process of analyzing sample data to automatically determine patterns for data retrieval.
Distinguishing note: None of the candidates cover the 'learning' aspect of deriving scraping rules from samples.
Explore 1 awesome GitHub repository matching data & databases · Extraction Rule Learning. Refine with filters or upvote what's useful.
Awesome Extraction Rule Learning GitHub Repositories
Găsește cele mai bune repo-uri cu AI.Vom căuta cele mai potrivite repository-uri folosind AI.
- alirezamika/autoscraper
alirezamika/autoscraper
7,297Vezi pe GitHubAutoscraper este o bibliotecă de web scraping automat și un extractor de date bazat pe tipare care învață reguli de extragere din date eșantion. Acesta identifică și preia text, URL-uri și elemente HTML de pe paginile web prin analizarea valorilor eșantion pentru a replica tiparele de date pe diferite URL-uri. Sistemul funcționează ca un manager de modele de web scraping, permițând utilizatorilor să salveze și să reîncarce regulile învățate pentru a menține o extragere consistentă a datelor. Suportă exportul și importul regulilor de scraping în sistemul de fișiere local pentru a evita repetarea procesului de antrenare pentru același site web. Biblioteca acoperă extragerea automată a datelor web și colectarea conținutului web prin învățarea tiparelor bazată pe eșantioane și regăsirea elementelor poziționale. Poate prelua atât puncte de date specifice, cât și toate elementele de pe o pagină care se potrivesc cu tiparele identificate din datele eșantion inițiale.
Analyzes sample text, URLs, or HTML tags to determine the patterns needed to retrieve similar web elements.
Python
