抓取京东商品评论星级时,用了xpath函数 ——*//*[contains(@class,'grade-star g-star')]/@class ,抓手机商品时可以采集 ,但是换乘其他商品就不行了。另外换成洗衣机之后,好多信息有些评论的信息也采不到了,是不是因为后面的没有商城自动识别的关键词这一栏?

手机主题名是——苹果5S金色16G评论,洗衣机主题名——TCLXQB55-36SP评论

求大大帮助,谢谢~

洗衣机问题1.png (74.24 KB, 下载次数: 757)

星级采集不到问题

星级采集不到问题

洗衣机问题2.png (63.81 KB, 下载次数: 752)

部分评论内容采集不到问题

部分评论内容采集不到问题
举报 使用道具
| 回复

共 4 个关于本帖的回复 最后回复于 2016-12-15 00:03

沙发
Fuller 管理员 发表于 2016-12-14 10:39:55 | 只看该作者
得用上定位标志映射,电商网站是比较好抓的,因为都有很好的定位标志。

另外,没有必要自己做规则了,有现成的数据DIY,京东评论已经上线了,还会有更多电商上线数据DIY
举报 使用道具
板凳
xandy 论坛元老 发表于 2016-12-14 11:51:01 | 只看该作者
本帖最后由 xandy 于 2016-12-14 11:53 编辑

我看了下你的规则,主要存在以下几个问题

1、评论星级抓不到
2、评论内容、回复数、购买渠道和点赞数抓不全
原因是:
1、评论星级的xpath没有写好

有些评论里头只有p-comment,有些既有p-tabs又有p-comment,之前对评论只有内容映射而没有定位,所以碰到有p-tags的,评论就抓取不全了。
这个页面第一页的评论第一条评论没有标签,所以就翻到第二页作为样本页面来做规则(放心,抓的时候还是从第一页开始抓)。
2、第二页的第一条数据没有地区,而地区和会员是存在一个div里头(@class='type-item'),所以这两个用一个采集字段来抓,到时候用excel的数据分列功能将会员等级和地区分开。
3、抓不全的内容都加上定位标志,提高规则的适用性。
举报 使用道具
地板
xandy 论坛元老 发表于 2016-12-14 11:59:38 | 只看该作者
改动如下——



现在测试就完整了

举报 使用道具
5#
jinna1993 初级会员 发表于 2016-12-15 00:03:18 | 只看该作者
谢谢~~~
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, 2024-5-6 23:51