本帖最后由 nn_jj_mm 于 2016-9-16 20:28 编辑

比如图中的,有的网页有关键词标签(如图中发展空间大那部分),有的没有,我如果在整理箱中将关键词标签那一部分加进去那么将导致部分本身就不含这个内容的网页爬取出错,那么怎样编写规则可以成功的爬取下数据呢?我想要的结果是最后没有的内容直接就是直接空出来的,顺序还是一样的,怎样实现呢?
举报 使用道具
| 回复

共 3 个关于本帖的回复 最后回复于 2016-9-16 21:15

沙发
Fuller 管理员 发表于 2016-9-16 20:48:51 | 只看该作者
除了标签以外还有别的抓取内容吗?

抓取标签的不要勾选“关键内容”,那么DS打数机抓取的时候就不会报错,有就抓,没有就不抓。

但是一个抓取规则中,最好至少有一个关键内容,如果除了标签还有别的抓取内容,而且那个抓取内容肯定有,那么就给那个抓取内容勾上“关键内容”。

如果抓取规则中一个关键内容都没有,有可能会漏抓。
举报 使用道具
板凳
nn_jj_mm 初级会员 发表于 2016-9-16 21:09:11 | 只看该作者
Fuller 发表于 2016-9-16 20:48
除了标签以外还有别的抓取内容吗?

抓取标签的不要勾选“关键内容”,那么DS打数机抓取的时候就不会报错, ...

那么也就是说如果某个内容确定一定会有的,就勾选关键内容,不确定一定会有的就不用勾选了?
举报 使用道具
地板
Fuller 管理员 发表于 2016-9-16 21:15:57 | 只看该作者
nn_jj_mm 发表于 2016-9-16 21:09
那么也就是说如果某个内容确定一定会有的,就勾选关键内容,不确定一定会有的就不用勾选了? ...

是的
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, 2024-5-3 04:55