快捷导航
本帖最后由 xiaoxiao_123 于 2018-9-12 17:33 编辑

今日.png
如图,采集时有这两种不同的网页格式,用下面网页做规则采集时采不到上面那种网页内容


举报 使用道具
| 回复

共 1 个关于本帖的回复 最后回复于 2018-9-12 18:00

Fuller 管理员 发表于 2018-9-12 18:00:35 | 显示全部楼层
我看到你的规则采集“发文时间”用了自定义xpath,采集是正确的,根据文字中出现“2018”这个字样来定位。发文时间的xpath是
  1. .//*[@class='article-sub']/span[contains(text(),'2018')]/text()
复制代码


那么来源信息也可以相对于“2018”字样,来源的xpath是
  1. .//*[@class='article-sub']/span[contains(following-sibling::span[1]/text(),'2018')]/text()
复制代码


使用了following-sibling 是找下一个兄弟节点,span[1]表示下面的兄弟中的第一个


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

  • 用于清洗文本内容的Excel函数公式
  • 用网络爬虫采集小红书的笔记
  • 集搜客网络爬虫怎么用?
  • 用Excel合并集搜客网络爬虫采集到的多张表
  • 怎样用excel分列功能清洗电商数据的商品分

热门用户

集搜客GooSeeker网络爬虫 ( 粤ICP备11065265号-2 )

GMT+8, 2019-4-23 05:58