Web scraping

Pozdravljeni.

V sredo imam prvi razgovor za službo, kjer sem dobil testno nalogo. Ker se s čim podobnim še nisem srečal, me zanima, če lahko kdo poda kakšne smernice kako/s čim se lotiti reševanja. Najpreprosteje naj bi bilo z uporabo jQuery/AJAX, ampak ne najdem nobenega pametnega tutoriala.

NALOGA:
Na spletni strani http://www.siranet.si/detail.aspx?ID=30... zajemite vse podatke za Zgodovinski arhiv Celje (ZAC) do vključno nivoja Fond/[zbirka] in jih shranite v drevesno strukturo.
Zbrani podatki morajo biti smiselno uvrščeni v drevesno strukturo, kjer se zbrani ključi lahko med seboj razlikujejo. Podatki ne smejo imeti HTML značk.

Smernice, ki pa se jih ni potrebno togo držati:
- Naloga se lahko reši z uporabo PHP skripte ali javascript knjižnic.
- Podatkovna struktura je lahko jSON ali asociativno polje.

Če je več strani in imajo vsaj neko konsistentno obliko uporabi katero koli xpath knjižnico. Začneš pri prvi strani in napišeš kdo tako, da se lepo loppa po straneh, parsa in shranjuje vsebino. Ponavadi moraš za vsako podstran proceduro malce popraviti, da zajameš vse podatke in to je to.