需要抓取的网址是 http://app1.sfda.gov.cn/datasearch/face3/base.jsp?tableId=41&tableName=TABLE41&title=%D2%A9%C6%B7%BE%AD%D3%AA%C6%F3%D2%B5&bcId=118715854214917952033010551784,翻页总是失败,只能抓当前一页的
举报 使用道具
| 回复

共 4 个关于本帖的回复 最后回复于 2018-5-2 19:29

沙发
Fuller 管理员 发表于 2018-5-2 19:00:06 | 只看该作者
你的规则的主题名是什么?请告诉我,我可以直接诊断你的规则哪里有什么问题
举报 使用道具
板凳
Fuller 管理员 发表于 2018-5-2 19:03:18 | 只看该作者
翻页失败有多种现象,请进一步提供这些信息:
1,你观察到的失败,是不是没有翻页,就默默地完成了?如果是这样,那是翻页规则定位不到下一页链接,没有点击成功,要检查翻页区映射和翻页标志映射是否合适
2,如果观察到已经翻页了,但是,在DS打数机窗口下部的日志窗口中显示了日志,那说明翻页到下一页以后,规则就不适应了,要到创建规则工作台上,看给整理箱做的内容映射是否不合适
3,如果没有翻页,还出现了日志,说明第一页都没有采集成功

你还是把主题名贴出来吧,帮你看看
举报 使用道具
地板
Fuller 管理员 发表于 2018-5-2 19:18:43 | 只看该作者

这样设置翻页区和翻页标志不行吗?
举报 使用道具
5#
Fuller 管理员 发表于 2018-5-2 19:29:50 | 只看该作者
我看了你的规则,用相对线索肯定不合适,相对线索用于只有页码,没有“下一页”的情形。



像我这样做翻页记号映射没有问题,能翻页,问题出在整理箱上,到下一页规则就不适应了。


不要勾选“内容定位”,点击下一页,翻到下一页后,先后选择菜单 规则-》刷新页面结构 和 规则-》分析页面 ,发现这么多错误,说明到下一页,网页结构完全变了。

有两个应对方案,可以任选一个:
1,仔细看第一页和第二页的DOM结构到底有什么不一样,调整内容映射,甚至自定义xpath,让规则两页都适用
2,用第二页作为样本页面定义一个规则,主题名跟第一个一样,但是在“命名主题”工作台上,给它一个不同的规则编号

第二种方案也许更简单,DS打数机运行的时候会自动选择一个合适的规则

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, 2024-4-25 19:28