请问在做多层级抓取时,设计两个步骤,第一个步骤是点击动作,第二个步骤是抓取点击后页面上需要的内容,但实际操作中,由于点击后新页面加载比较慢,页面还停留在
上一次点击后的页面,而抓取速度比较快,会在当前页面产生大量重复抓取的内容,请问这种情况应该如何操作,谢谢~
举报 使用道具
| 回复

共 2 个关于本帖的回复 最后回复于 2018-1-31 19:04

沙发
Fuller 管理员 发表于 2018-1-31 19:03:59 | 只看该作者
在第一层规则中,在模拟点击动作上选择高级设置,设置延迟抓取时间。

在第二层规则中,要抓的内容应该设置关键内容,第二层的网页内容如果加载特别慢,即使超出了延迟抓取时间,如果关键内容是很独特的,不显示二层内容就没有的,那么爬虫会自己根据网页内容加载情况做等待。如果第一层和第二层的内容结构一样,那么只有用延迟抓取时间做等待了
举报 使用道具
板凳
Fuller 管理员 发表于 2018-1-31 19:04:43 | 只看该作者
如果是公开访问的网站,可能把主题名发出来帮你诊断
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, 2024-5-5 21:46