任务名:forune-coronavirus
列表页每页有15篇文章,只能抓到13个,漏掉2个。帮看看是怎么回事
举报 使用道具
| 回复

共 1 个关于本帖的回复 最后回复于 2020-2-6 15:40

沙发
Fuller 管理员 发表于 2020-2-6 15:40:49 | 只看该作者


点击测试按钮,切换到“数据规则”tab,可以看到生成的采集规则,每个抓取内容一般会自动选择一个定位标志,html节点的class或者id。

看截图中的红框,前两条的title自动选择的定位标志是不一样的,那么只能采集下来一种。要避免掉这个问题。我建议继续使用定位标志,可以提高规则适应性,编辑一下,用自定义xpath。

双击每个抓取内容,弹出来高级设置窗口,比如,title这个抓取内容
1,勾上“自定义xpath”、
2,勾上内容类型“文本内容”
3,输入抓取内容表达式。这个表达式从原先的规则中拷贝过来,是
  1. .//*[@class='termArchiveContentListItem__title--14jcP']/a/div
复制代码
使用contains函数,而且不要完整的class值,变成
  1. .//*[contains(@class,'termArchiveContentListItem__title')]/a/div
复制代码
4,再勾上兼做定位。

自定义xpath就设定好了,把每个抓取内容根据需要设置一下

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
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

  • 360或火绒等杀毒软件导致GooSeeker爬虫软件
  • 话题分析(NMF模型和LDA模型)软件的安装和
  • 运行Apple无法验证的程序的方法
  • 文本聚类分析软件的安装和使用方法
  • 利用AI阅读和分析文本:扣子COZE记录用户反

热门用户

GMT+8, 2025-4-22 20:30