如果任何人需要Scala的简洁的语法的优势网络刮图书馆都知道只是想知道。 到目前为止，我已经找到了摩擦 ，但是这似乎不佳，记录和维护。 如果有人在那里做使用Scala刮有意见，我不知道。 （我想融入现有的Scala的框架，而不是采用书面，比方说，Python的刮刀）。
Answer 1:
首先出现的是在JVM HTML刮库过多所有你需要做的是皮条客其中之一（皮条客我的图书馆模式） 。
我用这四个分别是：
- 的HtmlUnit - 将模拟浏览器，甚至运行JavaScript
- 杰里科 - 如果你想编辑HTML刮蜜饯格式和理想
- NekoHtml
- JSoup -
不使用Scala工作。 可能工作
我用硒，但从来没有刮。 Scala有硒周围的包装 。
我建议在一些半烤斯卡拉LIB拉皮条现有的Java库。
Answer 2:
我没有一个具体的Scala的推荐，但对于JVM总的来说，我已经受够了很好的成功：
- JSoup您可以CSS选择“刮”的文件。 真正好的工作。
- 使用Tagsoup让你输入HTML到XML，然后使用XML处理器“刮”。
该Tagsoup路线实际上斯卡拉工作得很好，因为Scala的内置XML“DSL”是非常简洁的（如果你能原谅它的PERF的问题和偶尔的API怪事）。 此外，Tagsoup几乎将处理你给它任何垃圾文件。 它也有细微像许多HTML实体内置理解，其他SAXParsers会噎死为未申报。
TL;博士 - JSoup + CSS选择器如果可能的话，否则Tagsoup + XML阶。 如果慢是好的，tagsoup，再jsoup结果。
Answer 3:
我建议鹅： https://github.com/jiminoc/goose
这不是一般使用的，你可能需要但如果你从刮热门网站文章内容，它可能工作开箱。 它还提供了一个框架，供您，如果你想扩展他们的代码到其他地方工作。
文章来源: Web Scraping with Scala [closed]
