我们想抓的网页有的有A部分(比如基本资料),有点有B的部分(比如评论),我们想做一个可以兼容A和B的规则,但是难以找到同时拥有A和B的网页,请问怎么解决?
举报 使用道具
| 回复

共 2 个关于本帖的回复 最后回复于 2016-1-5 23:11

沙发
Anna J 中级会员 发表于 2016-1-5 21:50:13 | 只看该作者
目前没法实现规则合并,可以将其纳入开发计划,期待一下以后的版本吧
举报 使用道具
板凳
Fuller 管理员 发表于 2016-1-5 23:11:13 | 只看该作者
可以使用自定义XPath,而且定位表达式和内容抓取表达式不一样。如下步骤:
1,虽然网页上没有需要的html节点,但是选用一个存在的节点做内容映射
2,生成采集规则
3,把自动生成的抓取这个内容的XPath表达式拷贝出来,放到“高级设置”-〉“自定义XPath”的定位XPath那里
4,手工编写一个内容提取XPath,要注意起始path都是相对于某个节点的。这在自动生成的XPath规则中能够看出来
自定义XPath的使用方法:http://www.gooseeker.com/doc/thread-701-1-1.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, 2024-5-17 20:11