我在尝试爬去好大夫页面的医生信息,姓名、职称、医院、擅长的疾病
http://haoping.haodf.com/keshi/DE4r0PiRvNoMZJccBDLmPYT0z9Sqp5/daifu.htm

但是经常遇到跳过个别医生的问题,研究后我觉得是每个医生由于预约、咨询情况不同,导致样例内部的个别节点不完全一致,然后有些样例复制就失败了。
想用class来定位,但大部分class又是一样的,比如医生姓名和职称,都是一个class名字。

所以有点儿不知道该怎么办?
我在想是不是做样例的两层嵌套就能好?还是说因为样例里面的节点不一样,还是不能识别出来是一个同样的结构?
或者只能枚举法,把所有可能出现的样例都做一遍?但这样太傻了,别的地方都一样,只是这一点点不一样就要都做一遍

想求助一下,有没有好方法
举报 使用道具
| 回复

共 2 个关于本帖的回复 最后回复于 2017-6-23 14:11

沙发
wangyong 版主 发表于 2017-6-23 14:04:06 | 只看该作者
不一样的地方是什么地方,可以分析网页写通用的xpath

规则名和不同的网址是什么?
举报 使用道具
板凳
xandy 论坛元老 发表于 2017-6-23 14:11:14 | 只看该作者
可以通过定位标志映射提高规则的适用性《定位标志精确采集范围》。碰上class一样的就自定义xpath
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, 2024-4-25 18:14