我已经使用3种语言进行Web Scraping - Ruby，PHP和Python，并且诚实地说，他们中的任何一个都不适合完成任务。有什么语言只是“完美”的网页抓取？
Ruby具有出色的机械和XML解析库，但电子表格支持非常差。
PHP具有优秀的电子表格和HTML解析库，但它没有与WWW相同的功能：机械化。
Python有一个很差的机械库。我遇到了很多问题，仍然无法解决它们。它的电子表格库也是或多或少像样，因为它无法创建XLSX文件。
有没有什么是完美的网页浏览。
PS：我正在开发Windows平台。
为什么不直接使用XML Spreadsheet格式？创建这个过程非常简单，对于任何类型的基于类的系统来说，这可能都是微不足道的。
另外，对于Python，您是否尝试过BeautifulSoup进行解析？ Urllib + BeautifulSoup制作了一个非常强大的组合。
Python + Beautiful Soup用于网页抓取，既然您在Windows上，您可以使用win32com for Excel自动生成您的xlsx文件。
简短的回答是没有。
问题是，HTML是一大组格式 - 只有更新的变体是一致的（和基于XML）。如果您打算使用PHP，那么我会推荐使用DOM解析器，因为这可以处理大量不符合格式良好的XML的HTML。
您的文章的字里行间 - 你似乎是：
1）捕获来自该网页内容与复杂的交互管理
2的要求）的数据解析成一致的机器可读的格式
3）将数据写入到电子表格
这肯定是3独立的问题 - 如果没有一种语言满足所有3个条件，那么为什么不为工作用最好的工具，只是担心ABO为数据提供适当的临时格式/媒介？
C.
Excel格式的支持是有点正交网络刮... – 2010-08-12 13:21:24
我认为“完美”是相当主观的，但是，你有没有尝试过.NET？我认为它的XML解析库非常强大，你可以很容易地绑定到MSOffice，以及电子表格支持。 – Tommy 2010-08-12 13:22:24
@Tommy：它有相当于机械化吗？我用它与WebBrowserControl，但发现它效率低下。 – Shubham 2010-08-12 13:25:32