แยกข้อมูลเดียวกันจากเอกสาร HTML ต่างๆ

สมมติว่าฉันมีหน้า HTML หลายหน้าจากเว็บไซต์ที่ไม่เกี่ยวข้อง แต่มีข้อมูลโดยรวมเหมือนกัน ฉันต้องการดึงข้อมูลนั้นในลักษณะที่ยืดหยุ่น เช่น ฉันต้องการเขียนตัวแยกข้อมูลจำนวนเล็กน้อยสำหรับทุกหน้า (ในอุดมคติแล้วคือตัวเดียว) สมมติว่าช่องต่างๆ คือ (เพื่อใช้ตัวอย่างบล็อก) author, date, title, text คลาสของแท็ก HTML ที่แสดงถึงสิ่งเหล่านี้อาจแตกต่างกันโดยสิ้นเชิงในแต่ละหน้า แต่ยังคงแสดงบนหน้าเว็บในลักษณะเดียวกันโดยประมาณ ตัวอย่างเช่น ใช้โพสต์นี้ จาก CNN และโพสต์นี้ จากกอว์เกอร์ ทั้งสองมีข้อมูลเดียวกัน - ข้อมูลที่ฉันต้องการ - อยู่ที่ใดที่หนึ่งบนหน้าเว็บเมื่อมีการแสดงข้อมูลจริง มีวิธีที่ดีในการดึงข้อมูลนั้นหรือไม่? การเขียนตัวแยกข้อมูลแยกกันเป็นทางเลือกหนึ่ง แต่ไม่ใช่ตัวเลือกที่ดี มีเอกสารประมาณพันสไตล์ในชุดข้อมูลที่ฉันต้องการใช้