为什么数据会变成这样?

QQ图片20160517034303.png (40.66 KB, 下载次数: 692)

QQ图片20160517034303.png

QQ图片20160517034319.png (46.33 KB, 下载次数: 705)

QQ图片20160517034319.png
举报 使用道具
| 回复

共 1 个关于本帖的回复 最后回复于 2016-5-17 09:23

沙发
Fuller 管理员 发表于 2016-5-17 09:23:47 | 只看该作者
GooSeeker的设计原则是尽可能确保与原网页内容一致,因为虽然有些信息看起来没有用,但是在某些研究场合下是有用的。所以,连空格都没有过滤。你的这个结果是因为抓到的内容前后都有空格。原因如下
1,可能是text()的前后本身就有空格
2,可能将一个html元素(比如 div)整个映射给抓取内容,也就是除了含有text(),前后的一些空内容也抓下来

应对方法:
1,针对上述情形1,启用会员中心的入库功能,导入云存储数据库,就能把前后的空格删除
2,针对上述情形2,尽量不要映射整个html元素,而且精确到text()节点
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, 2024-5-17 14:09