我的目标是为不了解 HTML 或 DOM 的用户实现一个用于抓取 Web 数据的助手。我将向用户显示一个网页，用户必须选择他对页面感兴趣的数据（或他不感兴趣的数据）。

示例：如果用户单击表格内的单元格，他很可能想要提取该列内的所有元素。他可能只对表格行感兴趣，或者他可能只对一个单元格感兴趣。因此，该算法为每种可能性建议了三个选择器。用户可以选择一个建议的选择器，或者他可以点击另一个元素来获得一个新的提议。

到目前为止的用例。我要创建的组件：

• 将用户想要抓取的 DOM（HTML 元素的层次结构）内的元素列表作为输入数据

• 应输出一个（概率）排序的选择器列表，该列表将适合用户选择到 100%，并且可能包括用户可能感兴趣的其他元素。

这里的问题是网站的高度可变性，以及使用非常不同的结构元素创建相似外观结果的可能性。因此，手动创建预测规则可能涵盖最基本的用途（例如从表列中获取数据），但在新闻页面上查找文章部分时会失败。

所以最后我的问题。我正在考虑以下处理：

1. 首先生成适合用户选择的选择器

2. 100% 筛选出不符合用户选择元素的选择器

3. 使用（机器学习？）模型来预测用户可能对哪个选择器感兴趣

您认为上述处理对这个问题是否有效？

什么算法最适合对 3. 中的选择器进行排名？

是否有关于如何自动为所选元素提供选择器列表的想法？

我希望我说得通——我在数据分析和机器学习方面没有很强的背景，所以我希望能找到一些可以研究的方向。