请问,翻页+多层抓取过程中,A和B网页90%格式一样,不过A网页的部分内容在B网页没有,导致出现B网页抓取内容和A网页抓取内容合并时,不对应。
是否需要我在做规则时进行改进?
举报 使用道具
| 回复

共 1 个关于本帖的回复 最后回复于 2016-7-4 15:06

ym 版主 发表于 2016-7-4 15:06:11 | 显示全部楼层
要调整规则,对于网页上可能没有的信息,就不要勾关键内容。
也可以通过自定义xpath解决,参考xpath教程http://www.gooseeker.com/doc/article-269-1.html

另外,分析网页结构差异,可以参考一下这篇文章http://www.gooseeker.com/doc/article-272-1.html
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 02:58