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
10360
为什么会变成这样?
18046804885
于 2016-5-17 03:45
发表
[复制链接]
[只看楼主]
[打印]
[上一主题]
[下一主题]
18046804885
积分
16
精华
0
威望
6
金钱
2
最后登录 1970-1-1
加为好友
发送消息
访问家园
为什么数据会变成这样?
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
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 2016-5-17 09:23
Fuller
积分
23729
精华
0
威望
6570
金钱
6
最后登录 2025-2-5
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 2016-5-17 09:23:47
|
只看该作者
GooSeeker的设计原则是尽可能确保与原网页内容一致,因为虽然有些信息看起来没有用,但是在某些研究场合下是有用的。所以,连空格都没有过滤。你的这个结果是因为抓到的内容前后都有空格。原因如下
1,可能是text()的前后本身就有空格
2,可能将一个html元素(比如 div)整个映射给抓取内容,也就是除了含有text(),前后的一些空内容也抓下来
应对方法:
1,针对上述情形1,启用会员中心的入库功能,导入云存储数据库,就能把前后的空格删除
2,针对上述情形2,尽量不要映射整个html元素,而且精确到text()节点
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
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
在网页片段内直观标注——以B站评论采集为
热门话题
1
【集微库】微博采集工具箱使用常见问题
2
集搜客文本分词标注工具(V1版)
3
怎样使用快捷采集(以采集京东评论为例)
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:10583
访问主页>>
wangyong
帖子:1715
访问主页>>
gbkuce
帖子:0
访问主页>>
GMT+8, 2025-2-6 06:39
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 2016-5-17 09:23