请问在通过层级采集抓取第二级网页数据的过程中,之前添加的大多数线索都失败了,只能抓到少数的网页,怎么解决?
举报 使用道具
| 回复

共 1 个关于本帖的回复 最后回复于 2016-7-28 16:23

何波波 金牌会员 发表于 2016-7-28 16:23:33 | 显示全部楼层
1、在抓取层级网页时,第二级的页面大部分是具有多种网页结构形式的,而一个网页结构需要一个规则来抓取,这就说明第二级网页只做一个规则是不足以抓取到全部页面的数据,当规则与网页结构不匹配时就会抓取失败。所以,通常是要分析网页有多少种结构,然后针对每一种网页结构做规则。
2、规则可能不适用,可以参考这篇文章优化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 15:02