使用RapidMiner从本地HTML文件中提取内容

Question

我想从5小时后从本地保存的html文档中检索特定内容。主要我想收集价值“全球”和“3,041,070”。

<div itemprop="url" class="rankingItem-underTitle"> 
 
<a class="rankingItem-subTitle is-link" data-analytics-category="Internal Link" data-analytics-label="Global Rank/Worldwide" href="/top-websites" itemprop="significantLink">Worldwide</a></div> 
 
<div class="rankingItem-rank js-editable"> 
 
<span class="rankingItem-value js-countable" data-value="3,041,070">#3,041,070</span>

我真的不知道是哪个运营商，我必须选择一切工作正常。

Answer 1

我想通了。结合正则表达式，我使它工作。 enter image description here

Answer 2

首先形成扩展安装文本挖掘模型运行这个简单的例子。你会得到两个值。

<?xml version="1.0" encoding="UTF-8"?><process version="7.3.001"> 
    <operator activated="true" class="text:extract_information" compatibility="7.3.000" expanded="true" height="68" name="Extract Information" width="90" x="313" y="85"> 
    <parameter key="query_type" value="Regular Expression"/> 
    <list key="string_machting_queries"/> 
    <parameter key="attribute_type" value="Nominal"/> 
    <list key="regular_expression_queries"> 
     <parameter key="Type" value="itemprop=&quot;significantLink&quot;&gt;(.*)&lt;/a&gt;&lt;/div&gt;"/> 
     <parameter key="Value" value="&quot;&gt;#(.*)&lt;/span&gt;"/> 
    </list> 
    <list key="regular_region_queries"> 
     <parameter key="ValueType" value="itemprop=&quot;significantLink&quot;&gt;.&lt;/a&gt;&lt;/div&gt;"/> 
     <parameter key="Value" value="data-value=&quot;.&quot;&gt;"/> 
    </list> 
    <list key="xpath_queries"/> 
    <list key="namespaces"/> 
    <parameter key="ignore_CDATA" value="true"/> 
    <parameter key="assume_html" value="true"/> 
    <list key="index_queries"/> 
    <list key="jsonpath_queries"/> 
    </operator> 
</process>