GooSeeker
产品
资源
教程
视频教程
使用交流
资讯
开启辅助访问
切换风格
请
登录
后使用快捷导航
没有帐号?
立即注册
登录
|
注册
快捷导航
资讯
常见问题
使用交流
python交流
视频教程
资源发布公告
数学建模交流
论坛
›
搜客社区
›
使用交流
1
10238
采集财富杂志的列表页,样例复制总是有漏的
Thematic
于 2020-2-6 14:32
发表
[复制链接]
[只看楼主]
[打印]
[上一主题]
[下一主题]
Thematic
积分
1338
精华
2
威望
648
金钱
2
最后登录 1970-1-1
加为好友
发送消息
访问家园
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
收藏
0
转播
支持
0
反对
0
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
Fuller
积分
24025
精华
0
威望
6706
金钱
6
最后登录 2025-4-21
加为好友
发送消息
访问家园
个人资料
主题列表
发消息
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
.//*[@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
.//*[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
回复
支持
反对
返回列表
B
Color
Image
Link
Quote
Code
Smilies
高级模式
您需要登录后才可以回帖
登录
|
立即注册
发表回复
回帖并转播
回帖后跳转到最后一页
回复
推荐板块
使用交流
常见问题
数学建模交流
python交流
视频教程
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
热门话题
1
【集微库】微博采集工具箱使用常见问题
2
怎样使用快捷采集(以采集京东评论为例)
3
集搜客文本分词标注工具(V1版)
4
有没有办法采集机场的出租车信息?
5
获得积分的好方法:转发小程序、QQ群、微信
6
【求助】关于采集阿里巴巴国际站访客详情分
7
GooSeeker分词,情感分析和关键词抽取平台使
8
新浪微博_博主主页
9
怎样采集抖音关键词搜索后的数据
10
集搜客GooSeeker 网络爬虫版本发布公告
热门用户
Fuller
帖子:10607
访问主页>>
wangyong
帖子:1731
访问主页>>
gbkuce
帖子:0
访问主页>>
GMT+8, 2025-4-22 17:12
快速回复
快速发帖
返回顶部
返回列表
共 1 个关于本帖的回复 最后回复于 2020-2-6 15:40