html分析工具

㈠ web 瀏覽器是使用的什麼解析器解析html

為什麼要研究這個？不同的瀏覽器可能會有不同的解析html的解析器，比如IE和其他瀏覽器

㈡ 網站常用的分析數據工具，有哪些呀

1. Optimizely Optimizely是試驗平台，有助於測試網頁的部分，通過優化提高轉化率。提供各種各樣的工具，可以完成從A/B測試到網站個性化和試驗的各項任務。對於需要全面控制和大量數據的用戶而言，它是一種完勝競爭對手的企業全棧軟體選項。

2. SEOCrawler SEOCrawler不僅僅是一個工具，它是一整套程序，它可以在多個工具之間導出和導入數據。出色的Site Auditor工具可以分析頁面速度，查找重復的HTML標記和重復內容。它可以同時檢查斷開的鏈接及其他頁面數據。 然後，軟體為你列出了可以做出的一系列更改。此外，一旦你進行了那些更改，就可以在內置的Rank Tracker中觀察你的網站排名上升。

3. Crazy Egg Crazy Egg是一個簡單但有效的熱圖(heat mapping)工具，顯示了訪客把時間花在了哪裡、最常點擊哪些地方。

4. Visual Website Optimizer 對企業客戶、尤其是經營電子商務網店的客戶來說，VWO讓你可以極其詳細地進行A/B測試，收集整理盡可能多的數據。對於這些客戶來說，這可能代表每年數百萬美元的收入，所以該軟體相對昂貴的成本相對就無關緊要了。

5. Ahrefs 雖然Ahrefs擁有所有常見的反向鏈接檢查器中的鏈接資料庫，但它也有一個出色的頁面網站優化工具。Site Audit會搜索你的網站，尋找100多個最常見的SEO錯誤，返回哪裡可以改進，即使你的網站有JavaScript要執行。 雖然它可能無法與專用的頁面工具相媲美，但許多用戶已經擁有Ahrefs帳戶，這使得它成為簡單快速搜索的合理選擇。

6. Screaming Frog Screaming Frog是一個基於行業標準的網站優化工具，用於深度搜索網站。Screaming Frog SEO Spider是一個桌面網站審查工具，可以找到斷開的鏈接，分析頁面標題和元數據，提取數據，並生成XML站點地圖。

題主可以看看這幾個工具，對優化感興趣的我們可以多多交流。

㈢ java中幾種解析html的工具

HTML分析是一個比較復雜的工作，Java世界主要有幾款比較方便的分析工具：

1.Jsoup
Jsoup是一個集強大和便利於一體的HTML解析工具。它方便的地方是，可以用於支持用jQuery中css selector的方式選取元素，這對於熟悉js的開發者來說基本沒有學習成本。

String content = "blabla";
Document doc = JSoup.parse(content);
Elements links = doc.select("a[href]");

Jsoup還支持白名單過濾機制，對於網站防止XSS攻擊也是很好的。

2.HtmlParser

HtmlParser的功能比較完備，也挺靈活，但談不上方便。這個項目很久沒有維護了，最新版本是2.1。HtmlParser的核心元素是Node，對應一個HTML標簽，支持getChildren()等樹狀遍歷方式。HtmlParser另外一個核心元素是NodeFilter，通過實現NodeFilter介面，可以對頁面元素進行篩選。這里有一篇HtmlParser的使用文章：使用 HttpClient 和 HtmlParser 實現簡易爬蟲。

3.Apache tika

tika是專為抽取而生的工具，還支持PDF、Zip甚至是JavaClass。使用tika分析HTML，需要自己定義一個抽取內容的Handler並繼承org.xml.sax.helpers.DefaultHandler，解析方式就是xml標準的方式。crawler4j中就使用了tika作為解析工具。SAX這種流式的解析方式對於分析大文件很有用，我個人倒是認為對於解析html意義不是很大。

• InputStream inputStream = null;


• HtmlParser htmlParser = new HtmlParser();


• htmlParser.parse(new ByteArrayInputStream(page.getContentData()),


• contentHandler, metadata, new ParseContext());



4.HtmlCleaner與XPath

HtmlCleaner最大的優點是：支持XPath的方式選取元素。XPath是一門在XML中查找信息的語言，也可以用於抽取HTML元素。XPath與CSS Selector大部分功能都是重合的，但是CSS Selector專門針對HTML，寫法更簡潔，而XPath則是通用的標准，可以精確到屬性值。XPath有一定的學習成本，但是對經常需要編寫爬蟲的人來說，這點投入絕對是值得的。

㈣ HTML解析器是什麼

解析html語言，獲取想要的部分，如一個網頁里有一篇文章，你只想要這篇文章，其餘網頁元素都不要，用HTML解析器就能完美分離這篇文章，網上有很多

㈤ 分析HTML頁面和提取頁面資源

網站整站下載器 我以前經常用這個，也是下載整站的，包括flash也可下載下來。 運行起來都是正常的。

㈥ 怎麼在C#窗體程序中嵌入解析html的工具

HtmlAgilityPack是一C#下的開源的html解析庫
下載地址:http://htmlagilitypack.codeplex.com/

㈦ python html 解析工具是什麼意思

在准備我的 PyCon上關於HTML的演講 的時候我覺得我應該對現有的一些解析器和文檔模型做個性能對比。

實際上，情況有點復雜，因為處理HTML需要幾個步驟：

解析這個 HTML
把它解析為一個對象(比如一個文檔對象)
把它序列化
有些解析器只處理第一步，有些只處理第二步，有些能處理所有的三個步驟…。例如，ElementSoup 使用 ElementTree 來表示文檔，卻使用 BeautifulSoup 作為實際的解析器。而 BeautifulSoup 內部也擁有一個文檔對象。 HTMLParser 僅僅做解析（不解析出任何對象），然而 html5lib 卻能夠生成幾種不同的文檔樹（DOM樹）。序列化也分為XML和HTML兩種方式。

所以我選取了下面這些解析器的庫做基準性能測試：

lxml:包含一個解析器，能夠產生文檔對象，支持HTML序列化。它也可以不適用內置的解析器而使用 BeautifulSoup 或者 html5lib 進行解析。
BeautifulSoup:nbsp;包含一個解析器，能夠產生文檔對象，支持HTML序列化。
html5lib:有解析器。它也有一個序列化器，但是我沒有使用它。它也有一個內置的文檔對象（即simpletree），只是…除了自我測試我也不知道這東西還能做什麼。
ElementTree:這個包里有一個XML序列化器，ElementTree能夠產生文檔對象，它也是python內置的XML解析模塊。（我覺得下個版本會帶一個HTML序列化器，不過我也沒測試這個XML序列化器）。它也有一個解析器，測試的時候我用html5lib當做解析器來測試ElementTree的。
cElementTree:這是一個使用C語言擴展實現的python模塊，實現了ElementTree。
HTMLParser:包含一個解析器。但是其實它不能解析出文檔對象，很多正常網頁都不能正常處理（包含Table或者Script），有語法錯誤的網頁就更處理不了了。它只是使用解析器遍歷文檔。
htmlfill:它使用了HTMLParser作為解析器，相對HTMLParser，它在解析過程中對Element做了更多處理。
Genshi[1]:包含一個解析器，能夠產生文檔對象，支持HTML序列化。
xml.dom.minidom:python標准庫里的內置文檔模型，html5lib 能夠解析出這種文檔對象。（我並不推薦使用minidom — 這篇文章里寫了一些理由，還有很多理由我沒寫出來）
我預想 lxml 的性能會比較好，因為它基於 libxml2這個C庫。但是實際上它的性能比我預計的還要好，超過其它所有的同類庫。所以，除非考慮到一些難以解決的安裝問題（尤其是在Mac上），我都推薦你用lxml 來進行HTML解析的工作。

我的測試代碼在這里，你可以自己下載下來運行測試程序。裡麵包含了所有的樣例數據，用來生成圖表的命令在這里。這些測試數據來自於從 python.org 隨機選取的一些頁面（總共355個）。

解析

lxml:0.6; BeautifulSoup:10.6; html5lib ElementTree:30.2; html5lib minidom:35.2; Genshi:7.3; HTMLParser:2.9; htmlfill:4.5

第一個測試運行這些解析器解析文檔。需要注意的是：lxml 比 HTMLParser快6倍，盡管 HTMLParser
不生成任何文檔對象（lxml在內存中建立了一個文檔樹)。這里也沒有包含 html5lib 所能生成的全部種類的樹，因為每一種花費的時間都差不多。之所以包含了使用 xml.dom.minidom 作為輸出結果的 html5lib 測試結果是為了說明 minidom 有多慢。Genshi確實很快，只是它也是最不穩定的，相比之下，html5lib , lxml 以及 BeautifulSoup 都要健壯的多。html5lib 的好處是，總是能夠正確的解析HTML（至少在理論上如此）。

lxml在解析過程中會釋放 GIL ，但是我覺得應該影響不大。

序列化

lxml:0.3; BeautifulSoup:2.0; html5lib ElementTree:1.9; html5lib minidom:3.8; Genshi:4.4

所有這些庫執行序列化都很快，可是 lxml 又一次遙遙領先。ElementTree 和 minidom 只做XML序列化，但是沒有理由說HTML序列化更快。還有就是，Genshi居然比minidom要慢，實話說任何比minidom要慢的東西都挺讓人震驚的。

內存佔用

lxml:26; BeautifulSoup:82; BeautifulSoup lxml:104; html5lib cElementTree:54; html5lib ElementTree:64; html5lib simpletree:98; html5lib minidom:192; Genshi:64; htmlfill:5.5; HTMLParser:4.4

最後一項測試是內存。我並不是特別確信我做這個測試的方法很科學，但是數據總能說明一些問題。這項測試會解析所有的文檔並把解析出來的DOM樹保存在內存中，利用 ps 命令結果的RSS（resident set size）段來表示進程佔用的內存。計算基準內存佔用之後所有的庫已經被import，所以只有解析HTML和生成文檔對象會導致內存使用量上升。

我才用 HTMLParser 作為基準線，因為它把文檔保存在內存中，只產生一些中間字元串。這些中間字元串最終也不回佔用多少內存，因為內存佔用基本上等同於這些html問價大小之和。

測量過程中有個棘手的問題就是python的內存分配器並不會釋放它請求的內存，所以，如果一個解析器創建了很多中間對象（字元串等等）然後又釋放了它們，進程仍然會持有這些內存。為了檢測是否有這種情況，我試著分配一些新的字元串知道進程佔用的內存增長（檢測已經分配但是沒有被使用的內存），但是實際上沒檢測到什麼，只有 BeautifulSoup 解析器，在序列化到一個 lxml 樹的時候，顯示出使用了額外的內存。

只有在內存測試中，html5lib 使用 cElementTree 來表示文檔對象同使用 ElementTree 能表現出明顯的不同。我倒不是很驚訝，我猜因為我沒有找到一個C語言編寫的序列化工具，我猜使用 cElementTree 構建文檔樹的話，只有在用本地代碼調用它的時候比較快（就像本地的libxml，並且不需要把數據結構傳遞到python中）。

lxml比較節省內存很可能是因為它使用了本地的libxml2的數據結構，並且只有在需要的時候才創建Python對象。

總結

在進行基準測試之前我就知道lxml會比較快，但是我自己也沒料到會這么快。

所以呢，總結一下：lxml太牛逼了[2]。你可以用很多種方式使用它，你可以對一個HTML進行解析，序列化，解析，再序列化，在機器卡機之前你能重復這些操作很多次。很多操作都是通過本地介面實現的，python只做了一層很淺的封裝。例如，如果你做一次XPath查詢，查詢字元串會被編譯為本地代碼，然後遍歷本地的libxml2對象，只在返回查詢結果的時候才會產生一個python對象。 另外，測試中lxml內存佔用比較小使我更有理由相信lxml在高負載的情況下仍然會很可靠。

我覺得，文檔樹相對按字元流解析（不生成樹，只掃描一次文檔並針對特定的標簽做處理）更有優勢。表面看起來按字元流解析更好：你不把整個文檔放在內存里，處理的時間之和文檔大小線性相關。HTMLParser就是這樣一種解析器，遇到各種符號（標簽開始和關閉，變遷中間的文字等等）。Genshi 也是用的這個模型，因為使用了一些更高級的特性（比如 filters
）所以使用起來更自然一些。其實字元流模型本身就不是一種特別自然的處理XML文檔的方式，從某種程度上說，它只是用來處理一些本來就可以當做字元串處理的文檔的一種笨拙的方法（regex可以實現同樣的功能）。只有你需要處理上G的XML文件的時候按字元流解析才有意義（不過lxml和ElementTree針對這種情況都有額外的參數支持）。HTML文件不會有這么大，這些測試也有理由讓我們相信lxml可以很好的處理大的HTML文件，所以一個大文檔也不會導致一個為小文檔優化過的系統崩潰。

Ian Bicking on Sunday, March30th, 2008

[1]. Genshi是EdgewallSoftware的產品，它的其他產品還包括大名鼎鼎的Trac。

[2]. 本文的作者Ian Bicking是lxml.html(lxml的一個模塊)的開發者和維護者（這里修正一下）。

P.S. 譯者記：這里還有一個解析器沒有提到就是python標准庫里的SGMLParser，它也可以產生ElementTree，但是性能很差，本機測試解析600k的html文檔（ddd的單頁html文檔）需要480秒，不推薦應用在性能要求比較高的場合。本文作者也是lxml的作者，對自己的作品大力推薦也是正常的，我實測過lxml性能確實很好。

㈧ HTML哪個解析器是最好的

個人比較喜歡用：HtmlCleaner解析器，你試試

㈨ HTML5開發工具有哪些

1、Sublime Text

Sublime Text 是一個跨平台的代碼編輯器，同時支持Windows、Linux、Mac OS X等操作系統，也是HTML和散文先進的文本編輯器。

Sublime Text具有漂亮的用戶界面和強大的功能，主要功能包括:拼寫檢查，書簽，完整的 Python API ，Goto 功能，即時項目切換，多選擇，多窗口等等。

2、Dreamweaver

Dreamweaver是集網頁製作和管理網站於一身的所見即所得網頁編輯器，擁有可視化編輯界面，支持代碼、拆分、設計、實時視圖等多種方式來創作、編寫和修改網頁，初學HTML5的人可以無需編寫任何代碼就能快速創建Web頁面。

3、Adobe Edge

Adobe Edge是一款新型網頁互動工具，允許設計師通過HTML5、CSS和Java製作網頁動畫。Edge的一個重要功能是Web工具包界面，方便確保頁面在不同瀏覽器中的架構一致性。

4、WebStorm

WebStorm是一款Java 開發工具，目前已經被廣大中國JS開發者譽為"Web前端開發神器"、"最強大的HTML5編輯器"、"最智能的Java IDE"等。

WebStorm具有的優勢是：智能的代碼補全、代碼格式化、html提示、聯想查詢、代碼重構、代碼檢查和快速修復、代碼調試、代碼結構瀏覽、代碼折疊、包裹或者去掉外圍代碼。

5、HBuilder

HBuilder，即Html Builder的縮寫，Builder是建造者的意思。HBuilder是一個極客工具，追求無滑鼠的極速操作，不管是敲代碼的快捷設定，還是操作功能的快捷設定，都融入了效率第一的設計思想。

HBuilder不為敲字母而花費時間，不為大小寫拼錯而調錯半天，把精力花在思考上，想清楚後落筆如飛。支撐這個理念，除了體驗上的精細設計，還要求我們突破很多世界級技術難題，包括語法庫、語法結構模型、AST語法分析引擎。

參考資料來源：網路——Sublime Text

參考資料來源：網路——Dreamweaver

參考資料來源：網路——Adobe Edge

參考資料來源：網路——WebStorm

參考資料來源：網路——HBuilder