主题名:知乎_健身_精华
举报 使用道具
| 回复

共 1 个关于本帖的回复 最后回复于 2018-9-28 18:55

Fuller 管理员 发表于 2018-9-28 18:55:39 | 显示全部楼层
可以做如下几个改进:
1,滚屏次数改大一些,比如,3,如果太小,连续滚动3次也不会加载新内容,那么如果你开着遇到重复内容就中断采集,那么就会中断了。重复内容中断的设置位置是 DS打数机菜单 高级-》终点标志-》重复内容,不要勾上就不会检查重复内容

2,这个瀑布流页面,越滚屏内容越多,所以,结果文件就会越来越大,每个文件都会重复上一次滚屏得到的文件内容。有一种方法可以清除老数据,但是需要旗舰版才能支持。参看下图的设置方法。

3,虽然执行了清除老数据,但是有些网页会不释放内存,最后,爬虫会因为占用内存过大而崩溃。崩溃问题无法解决

瀑布20180928185006.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

  • 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, 2024-3-29 18:03