Interneto rinkimas gali būti sudėtingas, ypač dinamiškose svetainėse, pvz., naudojančiose JavaScript. Įvairių sprendimų galima rasti naudojant tokius įrankius kaip Beautiful Soup, skirtas statiniam HTML, ir Selenas, skirtas dinaminiams puslapiams. API galinių taškų radimas taip pat gali palengvinti duomenų išgavimą. Operacijos vyksta gerai, kai yra subalansuoti našumo ir moralinio pašalinimo metodai.

Patikimų ir veiksmingų šaltinių paieška yra būtina kiekvienam, ieškančiam didelio „Instagram“ tipo vaizdo įrašų duomenų rinkinio mašininiam mokymuisi. Nors viešieji duomenys gali būti išgauti naudojant išgryninimo programas, pvz., BeautifulSoup, su jais kyla etinių problemų.

Šiame straipsnyje aptariami sunkumai, susiję su HTML ištraukimu iš tinklalapių, kurie labai priklauso nuo JavaScript naudojant JSoup. Alternatyvūs metodai, tokie kaip Selenium ir Puppeteer, yra tiriami siekiant užfiksuoti galutinį pateiktą HTML, nes JSoup negali paleisti JavaScript.