如何对抓取的文本进行区分啊

Fuller 发表于 2016-4-15 16:13
样例复制规则是要在容器节点上做的，因为整理箱允许定义树状的结构，也就是在内部可以有很多层容器节点， ...

首先感谢。
要抓取的论文有好几万篇，这种方法的话抓取到的关键词是成列的，后期不好操作啊

willgowell 发表于 2016-4-15 19:10
首先感谢。
要抓取的论文有好几万篇，这种方法的话抓取到的关键词是成列的，后期不好操作啊 ...

按列放的内容，如果要合在一起，也不是特别难，可以用excel的函数做这个事情

还有另外的采集方法：假设所有A放在SPAN中，可以用SPAN做内容映射，在高级设置中设置只要“文本内容”，那么会把所有A的内容放在一起，可能词与词之间没有空格，要看原网页上是否有空格。如果没有空格，就比较麻烦了，真的要进行分词才行

Fuller 发表于 2016-4-15 21:22
按列放的内容，如果要合在一起，也不是特别难，可以用excel的函数做这个事情

还有另外的采集方法：假设 ...

恩恩，确实是没有空格所以抓取来成了一句话。。。。。成列抓取应该可以