网络爬虫软件产品技术动态和资讯 - 集搜客GooSeeker网络爬虫

一、操作步骤如何采集鼠标悬浮后的浮窗里显示的信息？这个需要用到连续动作中的悬浮功能。下面以微博搜索为例，演示如何采集浮窗里显示的博主信息。二、案例规则+操作步骤第一级采集规则：教程悬浮1第二级采集规 ...

2017-1-13 14:14

一、基本概念 1.1 数据采集数据采集指的是我们在“创建规则”工作台定义的抓取内容。 1.2 爬虫路线爬虫路线指的是在“爬虫路线”工作台定义的线索，包括下级线索、翻页线索和模拟点击等。 1.3 连续动作连续动作指 ...

2017-1-10 11:29

各个动作类型的界面基本上是大同小异的，下面以点击动作为例介绍一下界面上的功能按钮。主要是：目标主题名新建、删除、排序等操作按钮定位表达式、动作名称、高级设置等与某个动作相关的设置目标主题名连续动作 ...

2017-1-9 15:39

设置连续动作就是为了模拟人在浏览网页时的各种操作，从而加载出想要的网页信息，最后再进行采集，所以，总体上可以分为两大操做步骤，第一步是模拟人浏览网页的操作，通过在规则里设置连续动作来实现；第二步是采集 ...

2017-1-6 10:01

常见的网页大多数在页面下方会有翻页的按钮，比如“下一页”、“加载更多”，这类网页设置翻页就可以搞定，但是瀑布流网页没有这些按钮，而是随着鼠标滚动会不停的加载更多内容，这种很长很长的没有翻页按钮的网页就 ...

2017-1-4 11:44

一、操作步骤用中国知网的期刊为例，展示连续动作中选择动作和爬虫路线中翻页的组合。本次教程要实现的是先检索2016年发表的期刊，再对检索结果进行采集，流程如下图所示：为了实现这个，需要建立两级规则，第一级 ...

2017-1-3 18:13

一、操作步骤如果网页上有搜索框，并且搜索结果页面没有独立网址，想要采集搜索结果，直接做规则是采集不到的，要先做连续动作（输入+点击）来实现自动输入关键词并搜索，然后再采集数据。下面用京东搜索为例，演示 ...

2016-12-30 12:09

下面会从连续动作的适用范围、动作类型、如何使用连续动作、连续动作的循环执行说明等四个方面，全面地介绍连续动作的知识点。一、连续动作的适用范围越来越多的网页使用了JS动态技术，即网页信息不是立马显示出来 ...

2016-12-29 15:38

新浪微博页面的组合采集攻略如下（绿框是页面名称，橙色字体是采集结果表中的网址字段）： 1、从“微博关键词搜索结果”展开采集更多页面信息方法：从“微博关键词搜索结果”的数据表中，把“博主主页”这列的网 ...

2016-12-28 16:45

最近要对微博和京东的手机评论分别做分析，类似语义研究，需要对文本数据进行分词，再找出有用的词语，进行标签分类，后面还有一堆的处理步骤，此处省略一万字，但是，单单前面分词这里就弄得头大，原因是本人小白不 ...

2016-11-23 11:06

六、如何使用打标结果用文本分词标注工具可以输出下面四个表，可能对于一些人来说，这样的数据会比较陌生以及不知如何做计算，下面就说说一些思路，但实际的用途不限于这些。 1、标签词库统计频数，计算权重，进行 ...

2016-11-15 16:24

四、下载、查看打标结果使用文本分词标注工具可以输出四个excel表，无论第2或第3步是否完成，都可以去下载已打标的数据，这些都是语义分析和文本分类的基础数据。 1、标签词库：对应第2步的操作结果； 2、情感词库 ...

2016-11-15 16:15

三、识别标签词所在句子中的情感词用文本分词标注工具筛选完标签词后，可以继续第3步操作，目的是识别出名词所在句子中的形容词，并判断出具有的情感色彩（好中差），大家可以根据需要来选择是否进行。在“筛选结 ...

2016-11-15 15:48

二、根据研究目的筛选标签词数据导入成功后，进入第2步筛选标签词，也就是文本分类中的特征选择和特征抽取的步骤。在这里，我们会看到按照词频降序排列的分词结果，而我们要做的是逐屏浏览，选出要研究的词语。很 ...

2016-11-15 15:41

下面以京东的手机评论为例介绍集搜客文本分词标注工具的用法。一. 建立打标任务、导入只有一列数据的excel表点击“新建任务”，就开始第1步导入数据，在这里，要自定义任务名称，导入只有一列数据的excel表，注意e ...

2016-11-15 15:30

资讯