假如一个text中包含了一大段话,而我只想选择其中的一部分内容,这应该怎么设置规则和写xpath好?

举报 使用道具
| 回复

共 1 个关于本帖的回复 最后回复于 2016-11-3 14:56

沙发
ym 版主 发表于 2016-11-3 14:56:35 | 只看该作者
本帖最后由 ym 于 2016-11-3 14:57 编辑

有两种处理方法,建议采用第1种。
1、做规则把整段文本采集下来后,导入到excel或数据库,通过函数或程序来把目标信息提取出来,这种方法先把把原文信息采下来,再对它另行处理,是比较安全可靠的,毕竟原文数据都已经保存了,可以尝试多种方法来提取数据。
2、在规则里自定义xpath,通过xpath函数(常用substring-after()和substring-before()函数),可以直接对原网页数据进行提取,这样抓下来的就是提取到的部分数据,这个方法不太可靠,因为文本数据不是结构化的,没有对应的标志值就提取不到任何数据。
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 20:27