我采集的网站https://www.hitrader.com/community,翻页采集只能到第二页!!
TIM截图20181209145931.png
举报 使用道具
| 回复

共 3 个关于本帖的回复 最后回复于 2018-12-22 14:08

Fuller 管理员 发表于 2018-12-9 15:57:26 | 显示全部楼层
我正在测试你的规则,在爬虫路线工作台上,点击定位偏好按钮,选择偏好class比较好,翻页规则适应性更强。但是这个不是翻页到第二页失败的根本原因,我正在对比第一页和第二页有什么区别。显然是“创建规则”工作台上的数据映射不合适
举报 使用道具
Fuller 管理员 发表于 2018-12-9 16:15:26 | 显示全部楼层
尽量不要使用绝对定位,规则的适应性会很低。我改成了偏好class,发现还是到第二页失败。

我是这样检查规则的:
1,规则在工作台上定义好并存规则了
定位20181209161458.png
2,不要勾选工具条上的内容定位,这样鼠标点击网页就能实现翻页了,翻到下一页
3,再次勾上内容定位
4,选择菜单 规则-》刷新页面结构
5,选择菜单 规则-》分析页面
6,我发现图表那个字段定位不到

仔细看DOM树,发现到第二页开始,那个图表节点的class变了,那么我选择了他的父节点做定位标志映射,这样就能避开这个图表节点的class的影响(定位标志的用法参看《定位标志精确采集位置》)。如下图,我不知道你要采集图表的什么内容,我用img的@src节点做了内容映射
定位标志20181209160604.png
举报 使用道具
luoyb110 新手上路 发表于 2018-12-22 14:08:11 | 显示全部楼层
太细心了,谢谢指点,虽然成功完成了采集,但是糊里糊涂的,哈哈
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, 2024-4-17 05:59