|
本帖最后由 ym 于 2016-11-3 14:57 编辑
有两种处理方法,建议采用第1种。
1、做规则把整段文本采集下来后,导入到excel或数据库,通过函数或程序来把目标信息提取出来,这种方法先把把原文信息采下来,再对它另行处理,是比较安全可靠的,毕竟原文数据都已经保存了,可以尝试多种方法来提取数据。
2、在规则里自定义xpath,通过xpath函数(常用substring-after()和substring-before()函数),可以直接对原网页数据进行提取,这样抓下来的就是提取到的部分数据,这个方法不太可靠,因为文本数据不是结构化的,没有对应的标志值就提取不到任何数据。 |
|
共 1 个关于本帖的回复 最后回复于 2016-11-3 14:56