如图,对索引号、发布机构、文号等内容进行内容映射,但是测试出来的结果和页面没对上。
如何准确抓取呢?
QQ图片20191021151253.png

举报 使用道具
| 回复

共 2 个关于本帖的回复 最后回复于 2019-10-21 15:32

lan_1985 金牌会员 发表于 2019-10-21 15:26:27 | 显示全部楼层
QQ图片20191021152027.png
1、通过数据对应网页节点的分析,没有唯一的class值对应每一个数据


2、用xpath来定位精确抓取。
方法如下图。


QQ图片20191021152151.png
找到div这个有唯一class值的定位表达式。




QQ图片20191021152249.png
接着写这个xpath的定位表达式,并在白框内搜索,检查能不能定位到索引号这个 text文本节点




举报 使用道具
lan_1985 金牌会员 发表于 2019-10-21 15:32:30 | 显示全部楼层
QQ图片20191021152824.png
3、然后把这个xpath定位表达式,填写到规则中


4、其他的字段一次套用这个定位表达是如下,改变p节点的位置
QQ图片20191021153201.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 05:29