意大利教育大学与研究部,想构造网址添加采集列表数据,导入多条后就剩一条网址。
像这样两条网址,最后的数字代表页码:
https://www.miur.gov.it/web/gues ... N8BfUdw8tJl_cur=209

https://www.miur.gov.it/web/gues ... N8BfUdw8tJl_cur=208

举报 使用道具
| 回复

共 2 个关于本帖的回复 最后回复于 2019-12-31 17:43

沙发
lan_1985 金牌会员 发表于 2019-12-31 15:22:14 | 只看该作者
1、网址太长,所以就是别到这些网址的前半部分,所以识别出来的都是一样的,去重后只剩下一条。
2、可以用这个方法改一下网址,将最后一个&后的一串末尾添加“&”后,移到?后面,修改后如下:
https://www.miur.gov.it/web/gues ... _r_p_resetCur=false
举报 使用道具
板凳
Fuller 管理员 发表于 2019-12-31 17:43:37 | 只看该作者
如果是长网址,爬虫服务器会自动启用转短网址的功能。你现在没有看到转短网址功能,估计你用的VIP服务器,那台爬虫服务器没有开启转短网址功能
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, 2024-4-20 14:25