咨询一个问题,我现在抓取附件,有一列文章,每篇有一到两个附件,文章的网址都可以抓取下来,数量没问题,再进一步抓取附件的时候,附件的链接丢失很多,请问怎么去查问题啊


举报 使用道具
| 回复

共 6 个关于本帖的回复 最后回复于 2016-11-17 11:10

沙发
ym 版主 发表于 2016-11-17 10:56:16 | 只看该作者
本帖最后由 ym 于 2016-11-17 10:59 编辑

抓取失败的话,要检查一下附加网址是否能打开下载到文件,还要检查一下浏览器是否支持下载的文件类型。操作参考《用集搜客实现自动批量下载文件》
链接丢失的情况,就是规则有问题了,需要检查一下规则。操作参考《怎样解决规则采集失败/遗漏的问题 》
举报 使用道具
板凳
走进希望的田野 新手上路 发表于 2016-11-17 11:01:32 | 只看该作者
再问一下,这个里边两个附件,一个抓取到了正确的附件地址,另一个没有是上边那种情况,这样能看出是什么原因么

举报 使用道具
地板
ym 版主 发表于 2016-11-17 11:03:14 | 只看该作者
第一个红框是当前页面的地址,不是附件地址,抓取的信息是从第一个item开始看的,关于xml文件的结构看看这篇文章就懂了《xml文件结构怎么看》
举报 使用道具
5#
走进希望的田野 新手上路 发表于 2016-11-17 11:08:40 | 只看该作者
好的,谢谢
举报 使用道具
6#
ym 版主 发表于 2016-11-17 11:10:29 | 只看该作者
附件地址抓得不对,应该是规则有问题,需要检查一下
举报 使用道具
7#
走进希望的田野 新手上路 发表于 2016-11-17 11:10:42 | 只看该作者
嗯嗯
举报 使用道具
您需要登录后才可以回帖 登录 | 立即注册

精彩推荐

  • Gephi社会网络分析-马蜂窝游记文本分词并同
  • Gephi社会网络分析-基于马蜂窝游记文本以词
  • 知乎话题文本根据词语间距筛选后生成共词矩
  • 马蜂窝游记文本分词后以词语间距为筛选条件
  • 学习使用apriori算法挖掘关联关系

热门用户

GMT+8, 2024-5-3 20:53