快捷导航
如图所示,在转发微博中也有一个日期(博文的链接),在建立的规则中把这个转发的链接抓取下来了,导致博文地址出现错误,请问如何解决?


TIM截图20171215204802.png
举报 使用道具
| 回复

共 1 个关于本帖的回复 最后回复于 2017-12-16 10:18

Fuller 管理员 发表于 2017-12-16 10:18:45 | 显示全部楼层
解决这个问题稍微有点麻烦,要自定义xpath,用上xpath中contains(), not()等函数,把被转发的内容的时间排除掉。

我建议直接用现成的规则吧。采集某一条微博消息的内容的话,应该用这个数据diy工具:http://www.gooseeker.com/res/dat ... 8%E9%87%87%E9%9B%86

把你要采集的微博的网址一条条导入进去,爬虫就会一批采集下来。

采集微博的工具还有好多,都在这里:http://www.gooseeker.com/res/dat ... A%E5%BE%AE%E5%8D%9A  从首页的 资源菜单进入,有个数据diy子菜单

微博diy6.png
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

  • 通过箱线图看一线城市行业的招聘分布
  • 爬取豆瓣电影短评做中文分词与数据分析
  • ROST CM6分词软件下载安装
  • 学习Rost-CM内容挖掘系统的分词工具
  • 城市要素库时空分析系统开发设计要点

热门用户

集搜客GooSeeker网络爬虫 ( 粤ICP备11065265号-2 )

GMT+8, 2018-4-27 06:51