GooSeeker
产品
资源
教程
视频教程
使用交流
资讯
开启辅助访问
切换风格
请
登录
后使用快捷导航
没有帐号?
立即注册
登录
|
注册
快捷导航
资讯
常见问题
使用交流
python交流
视频教程
资源发布公告
数学建模交流
论坛
›
搜客社区
›
常见问题
2
9133
提高规则适应性的方法有哪些?
gooseeker_info
于 2016-11-15 10:59
发表
[复制链接]
[只看楼主]
[打印]
[上一主题]
[下一主题]
gooseeker_info
积分
1743
精华
1
威望
562
金钱
2
最后登录 1970-1-1
加为好友
发送消息
访问家园
经常遇到“
抓取数据连续性规则不合适或超时间设置太短
”这样的提示,到底有哪些方法可以提高规则的适应性?
收藏
1
转播
支持
0
反对
0
举报
使用道具
|
回复
共 2 个关于本帖的回复 最后回复于 2016-11-15 11:41
Fuller
积分
23729
精华
0
威望
6570
金钱
6
最后登录 2025-2-5
加为好友
发送消息
访问家园
个人资料
主题列表
发消息
沙发
Fuller
管理员
发表于 2016-11-15 11:16:31
|
只看该作者
集搜客网络爬虫的最好用的是“
直观标注
”,但是自动生成的数据采集规则不一定最合适。比如,如果一个抓取内容的采集规则如下:
<xsl:template match="//*[@class='detail' and count(././ul/li[position()=10]/span)>0]" mode="采集">
<item>
<款号>
<xsl:value-of select="./ul/li[position()=10]/span"/>
</款号>
</item>
</xsl:template>
复制代码
里面出现了
position()=10
,很影响适应性,要避免出现这种表达式,因为他是从确定位置上采集数据,网页所在的位置变成了
position()=9
就采集不到了。避免的方法是给这个抓取内容做
定位标志映射
。
也有很多网站,网页上没有@class, @id这样可用的定位标志,那么就得想别的办法,比如,用自定义XPath。下面是样本页面的截图
没有好的定位标志,只能用“商品编号”这个文本内容作为定位参照点,比如,写成
./ul/li[contains(em/text(),'商品编号')]/span
复制代码
用文本内容标志弥补缺少DOM标志的缺陷
本帖子中包含更多资源
您需要
登录
才可以下载或查看,没有帐号?
立即注册
x
举报
使用道具
回复
支持
反对
Fuller
积分
23729
精华
0
威望
6570
金钱
6
最后登录 2025-2-5
加为好友
发送消息
访问家园
个人资料
主题列表
发消息
板凳
Fuller
管理员
发表于 2016-11-15 11:41:56
|
只看该作者
像楼上说的一样,在“爬虫路线”工作台上也同样需要注意规则的适应性,比如,翻页规则的适应性,适应性不高可能就翻不了页。
上图,左下红框中是生成的翻页规则,没有绝对定位的position()函数,适应性比较好。如果看到适应性不好的规则,可以点击“定位选项”,调整自动选择的@class或者@id。如果这种调整还不行,那么可以直接编辑修改翻页规则,修改以后点击“保存修改”按钮。
千万要记住
1)保存修改要在“存规则”之后
2)下次“存规则”,会把手工编辑的内容冲掉
本帖子中包含更多资源
您需要
登录
才可以下载或查看,没有帐号?
立即注册
x
举报
使用道具
回复
支持
反对
返回列表
B
Color
Image
Link
Quote
Code
Smilies
高级模式
您需要登录后才可以回帖
登录
|
立即注册
发表回复
回帖并转播
回帖后跳转到最后一页
回复
推荐板块
使用交流
常见问题
数学建模交流
python交流
视频教程
精彩推荐
话题分析(NMF模型和LDA模型)软件的安装和
运行Apple无法验证的程序的方法
文本聚类分析软件的安装和使用方法
利用AI阅读和分析文本:扣子COZE记录用户反
在网页片段内直观标注——以B站评论采集为
热门话题
1
【集微库】微博采集工具箱使用常见问题
2
集搜客文本分词标注工具(V1版)
3
怎样使用快捷采集(以采集京东评论为例)
4
有没有办法采集机场的出租车信息?
5
获得积分的好方法:转发小程序、QQ群、微信
6
【求助】关于采集阿里巴巴国际站访客详情分
7
GooSeeker分词,情感分析和关键词抽取平台使
8
新浪微博_博主主页
9
怎样采集抖音关键词搜索后的数据
10
集搜客GooSeeker 网络爬虫版本发布公告
热门用户
Fuller
帖子:10583
访问主页>>
wangyong
帖子:1715
访问主页>>
gbkuce
帖子:0
访问主页>>
GMT+8, 2025-2-5 22:03
快速回复
快速发帖
返回顶部
返回列表
共 2 个关于本帖的回复 最后回复于 2016-11-15 11:41