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
9187
用爬虫下载文件,用点击动作和在整理箱中勾下载有什么区别
发誓学好内容分析
于 2021-2-25 10:14
发表
[复制链接]
[只看楼主]
[打印]
[上一主题]
[下一主题]
发誓学好内容分析
积分
1100
精华
0
威望
402
金钱
2
最后登录 1970-1-1
加为好友
发送消息
访问家园
一个最直接,而且最符合人工下载的过程是定义点击动作,让爬虫点击下载按钮,我测试了,也能让爬虫自动下载。
我发现在整理箱中定义抓取内容,抓取文件的网址以后,勾上下载文件,也能下载。
这两种方法有什么区别?哪种更好?
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 2021-2-25 10:21
Fuller
积分
23733
精华
0
威望
6572
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 2021-2-25 10:21:32
|
只看该作者
原则是:首选整理箱中定义下载规则。
但是,如果没有静态网址,比如,A元素的href是一段javascript代码,那么就不能在整理箱中定义抓取内容,不得不用连续动作中的点击动作。
两者的重要区别是:
1,整理箱中的下载是可控的:如果整理箱中有样例复制,每个样例都有一个下载,那么所有的下载都完成以后才能去采集下一条网址。然而,点击动作是不可控的,点击动作执行以后就不管了,下载什么时候完成,爬虫是不管的,这样有可能会失控,当下载需要很长时间,爬虫有可能没有等待就去执行下一个网址的采集任务了。所以,要设置好网址间的等待,但是,无法精确设置。
2,整理箱中的下载会把文件名和存储位置直接写到采集结果文件中,这样只有一个xml文件,处理起来方便;而点击动作下载,会产生另外一个单独的描述文件,也是xml文件,存于DownloadDir文件夹。文件格式是:
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
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 20:08
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 2021-2-25 10:21