我看到“爬虫路线”工作台上有定位选项按钮,跟“创建规则”工作台上的“定位”按钮一样吗?怎样用?
举报 使用道具
| 回复

共 2 个关于本帖的回复 最后回复于 2016-10-17 18:54

Fuller 管理员 发表于 2016-10-17 18:53:08 | 显示全部楼层
线索的定位偏好(class).png

上图使用了缺省设置——偏好class(注意:老版本缺省是偏好id),生成的翻页XPath规则很短,就是从翻页区(div[@class='pager'])为起点,这样的规则适应性很强。

线索定位偏好id.png

而上图,如果使用偏好id,生成的翻页XPath的起点是div[@class='forum'],这个块很大,很容易受到网页结构变化的影响。


其实,线索的定位映射和记号映射都没有变化,只是因为定位选项变化了,偏好class的话,爬虫从定位映射的那个DOM节点(包括自己)往上找一个含有class的节点,而偏好id,是往上找一个含有id的节点,起点代表的网页块越大越不好。
举报 使用道具
Fuller 管理员 发表于 2016-10-17 18:54:38 | 显示全部楼层
整理箱的定位选项的含义类似,可以参看:http://www.gooseeker.com/doc/thread-984-1-1.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 22:15