三级爬了一部分后抓取成功后,开始批量出错

二级规则名:猫耳1216二级
三级规则名:猫耳1216三级
举报 使用道具
| 回复

共 2 个关于本帖的回复 最后回复于 2018-12-19 12:24

沙发
czj19961023 实习版主 发表于 2018-12-19 10:54:55 | 只看该作者
你可以在会员中心找到你的三级规则里采集出错的线索,跟前面采集成功的页面结构对比一下,看能不能对三级规则重新修改一下,看一下能不能测试成功,如果不能的话,可以再对后面采集出错的页面加一个规则2,规则2:主题名不变,规则1改成规则2,这样失败的线索就会重新在三级规则的规则2采集。

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
举报 使用道具
板凳
Fuller 管理员 发表于 2018-12-19 12:24:11 | 只看该作者
是第三级规则有问题吗?第三级规则要抓取很多网址,说明这个规则的适应性不够。有很多技巧提高适应性,最重要的是用上定位标志映射。具体参看《定位标志精确采集范围》。


1,给每个抓取内容用上定位标志映射,都有很合适的定位标志。但是对于两个数字要注意,不能用@class='count'作为定位标志,因为两个都一样,就区分不开了,而是要用他们的父节点的class值。看上图的DOM结构
2,点击 “定位”按钮,选择偏好class
3,再点击测试,看看生成的数据规则,调整前和调整后对比一下,里面的xpath比较短是比较好的,如果比较长,而且含有position()函数,就容易适应性不够

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
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

  • 为什么用微软的excel无法打开xls文件?powe
  • 360或火绒等杀毒软件导致GooSeeker爬虫软件
  • 话题分析(NMF模型和LDA模型)软件的安装和
  • 运行Apple无法验证的程序的方法
  • 文本聚类分析软件的安装和使用方法

热门用户

GMT+8, 2025-7-12 18:32