Извлечь содержимое из локального HTML-файла с помощью RapidMiner

Question

Я пытаюсь с 5 часов получить конкретный контент из локально сохраненного html-документа. В основном я хотел бы получить значение «Worldwide» и «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>

Я действительно не знаю, какие операторы я должен выбрать, чтобы получить все работает.

Answer 1

Я понял. В сочетании с регулярным выражением я заставил его работать. enter image description here

Answer 2

В первой форме расширения устанавливают модели интеллектуального анализа текста, запускают этот простой пример. Вы получите оба значения.

<?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>