我想在爬了一定数量的数据之后暂停一段时间,一段时间后,接着再爬取数据
举报 使用道具
| 回复

共 1 个关于本帖的回复 最后回复于 2016-5-2 11:32

Fuller 管理员 发表于 2016-5-2 11:32:16 | 显示全部楼层
如果不是翻页爬,那就很简单,把爬虫关了,当前这条线索就失败了,不影响其它的,下次从下一条开始。如果想恢复失败的这条,执行激活“失败”线索再重爬。

如果是翻页抓取,要看每个分页有没有独立的url,如果有,比如,url有参数page=xxx,表示翻到哪里了。这样也可以关爬虫,下次开始的时候,构造一个网址,在会员中心或者DS中添加线索,那么就会从这里开始。

如果翻页没有独立网址,关闭后就要从头开始了,举几个例子
1,微博的评论:没有独立网址,翻页中断了就得从头再来
2,微博的博主的消息列表:有独立网址,翻页中断了可以构造网址从中断处恢复
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 06:57