同一规则抓取相似网页结构失败

设定了一个规则抓取二级网页信息。抓取内容为新闻三要素：标题，发表时间，正文。
http://finance.sina.com.cn/roll/ ... ycaasy7926722.shtml
http://news.sina.com.cn/o/2014-11-21/023031178457.shtml
第一个网页内容抓取成功了，但是第二个网页内容抓取失败
这两个网页的网页结构我感觉是一样的，只不过第二个网页里面的新闻正文有图片。
错误分析显示规则只能抓取第二个网页的发布时间，其他信息都抓不到。但其实他们的标题的xpath的绝对路径都是一样的。
对大神帮忙解决，困扰了我好久。

规则名是什么

你说的绝对路径是最容易改变的，只要其中插入多一个广告或者是空行，那么绝对路径就改变了。
所以，我们通常要做定位标志映射，能够更加精确定位和增强网页结构的适应度，你给的这两篇新闻，标题、正文、发表时间的节点属性值都一样，做定位标志就会精确定位了，参考教程《定位标志精确采集》

ym 发表于 2017-3-9 15:34
规则名是什么

company_news_detail

ym 发表于 2017-3-9 15:37
你说的绝对路径是最容易改变的，只要其中插入多一个广告或者是空行，那么绝对路径就改变了。
所以，我们通 ...

我抓取的每个内容都做的定位标志映射的，但是还是抓不到

weier_2016 发表于 2017-3-9 16:19
我抓取的每个内容都做的定位标志映射的，但是还是抓不到

整理箱的顶层也要做定位标志映射，这样就能限定采集范围和提高适应度，要选择共同且唯一的属性值来做定位标志映射。

好的，我明天试试，非常感谢！

ym 发表于 2017-3-9 16:27
整理箱的顶层也要做定位标志映射，这样就能限定采集范围和提高适应度，要选择共同且唯一的属性值来做定位 ...

像这种，列表节点的定位标志id、class发生变化的应该怎么处理？需要重新定义抓取规则吗？

ym 发表于 2017-3-9 16:27
整理箱的顶层也要做定位标志映射，这样就能限定采集范围和提高适应度，要选择共同且唯一的属性值来做定位 ...

网页的id号和class都会发生变化，这时要怎么处理？需要重新定义规则吗？

weier_2016 发表于 2017-3-10 08:51
网页的id号和class都会发生变化，这时要怎么处理？需要重新定义规则吗？

...

你说的这种是网页结构本身的改变，是要重新定义规则的。
如果是存在多种网页结构（dom结构不同），就要在同一个主题名下建立多个规则，以不同的规则编号来区分，每个规则就用来采集某一种网页结构，具体可以参看《采集同一网站的不同网页结构信息》