规则名称:天眼查_1_公司名称搜索
目的:1 从关键字集中连续导入、搜索;2 从搜索结果链接到详细页面,爬取详细数据
连续动作:天眼查_1_公司名称搜索 ——> 天眼查_2_公司名称列表
层级采集:天眼查_2_公司名称列表 ——> 天眼查_3_公司详细信息
连续动作可以做了,有以下问题:
1 并没有根据搜索结果列表生成下级线索,于是在层级采集第一层结束,不往下继续
2 对于“天眼查_2_公司名称列表”,在同一个页面换关键字搜索,然后重新加载规则分析页面,出现“无法定位容器No.0”的错误。但在样本页面或新页面直接测规则是可以通过的。
以上。
求助。



举报 使用道具
| 回复

共 2 个关于本帖的回复 最后回复于 2017-6-20 13:31

shenzhenwan10 金牌会员 发表于 2017-6-20 11:47:06 | 显示全部楼层
没有生成第3级的线索, 是因为第2级没有采集成功
第2级规则: 天眼查_2_公司名称列表, 你的定位首选项是id, 自动生成的规则中用了一串很长的有多个position()定位的表达式, 这样规则的适应性就比较差
你把定位首选改成"偏好class", 应该就可以了
tycha.png

举报 使用道具
Shuquan 中级会员 发表于 2017-6-20 13:31:56 | 显示全部楼层
shenzhenwan10 发表于 2017-6-20 11:47
没有生成第3级的线索, 是因为第2级没有采集成功
第2级规则: 天眼查_2_公司名称列表, 你的定位首选项是id,  ...

谢谢,改成Class偏好就可以生成下级线索了。接下来研究怎么让第三层使用第二层生成了链接线索做内容爬取。
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 23:31