爬取网页:    https://www.maikeji.cn/demands



此网页的内容样式差不多,可以建立规则爬取
可它的下挖网页,几乎每一个内容都不一样,有表格(表格样式还几乎都不同),有文本(文本样式也都不一样,甚至有的还是图片)


请问,这种情况下,只能把下级内容整体扒下来吗?有没有什么其他更好的方法

举报 使用道具
| 回复

共 2 个关于本帖的回复 最后回复于 2019-7-29 10:58

沙发
Fuller 管理员 发表于 2019-7-29 10:06:30 | 只看该作者
下面截图,箭头指向的这些数据字段都是结构化的,很容易做规则。

红框里面的内容再想拆分成字段,就很难了


举报 使用道具
板凳
657344626 初级会员 发表于 2019-7-29 10:58:08 | 只看该作者
Fuller 发表于 2019-7-29 10:06
下面截图,箭头指向的这些数据字段都是结构化的,很容易做规则。

红框里面的内容再想拆分成字段,就很难了 ...

好的,谢谢
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, 2024-4-19 21:53