只能采集第一页 从第二页开始 就显示匹配失败,第一页采集的内容也有漏掉的
举报 使用道具
| 回复

共 1 个关于本帖的回复 最后回复于 2017-2-4 17:31

沙发
Fuller 管理员 发表于 2017-2-4 17:31:40 | 只看该作者
要做这个网页的规则很难,因为第一页的结构很复杂,没有规律,比如,在第一页上出现了百度百科的词条,而到了第二页上就没有了

百度百科词条也只有出现一次,如果只是简单的内容映射,做不了样例复制。需要微调定位规则,比如用自定义xpath等手段,才能做成一个通用的规则

可以下载这个现成的规则:http://www.gooseeker.com/res/detail_103298.html
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, 2024-5-21 02:28