我先访问银保监会的网站,针对其中一个行政处罚信息网页定义了网络爬虫规则,保存规则,运行网络爬虫正常。

我在会员中心找到这个任务,使用菜单“修改任务”,加载这个网站的爬虫规则。发现加载好慢,显示这样的提示要10几秒,正常吗?


举报 使用道具
| 回复

共 2 个关于本帖的回复 最后回复于 2021-6-10 16:08

沙发
Fuller 管理员 发表于 2021-6-10 16:06:35 | 只看该作者
加载规则的过程确实会比较慢,因为要连续做好几件事情:
1,要把网页内容加载上来。平时用浏览器访问页面觉得快很多,因为内容只要有一点可以显示就会显示出来,而加载规则不能这样,要等主要的网页内容都就绪了,才算加载完成
2,要解析网页html,生成DOM结构,并且在软件底部的DOM窗口中显示出来,这个需要一些计算时间
3,要注入直观标注标签,定位到每个做了内容映射的节点,把标签显示出来。

请注意,在你截图的那个提示之后还会有一个提示,这个提示其实也是很重要的:


像京东这样的网页,虽然当前窗口内容都加载好了,但是这个网页很长,后面还有很多内容没有加载好,尤其是你做了翻页抓取规则的时候,现在还没有显示出来翻页区。那么要这样操作:
1,关闭这个弹窗
2,滚动页面,直到页面的底部,看到翻页区显示出来。
这个过程中你能观察到网页内容是逐步增加的,等显示稳定了,再执行分析页面操作
举报 使用道具
板凳
Fuller 管理员 发表于 2021-6-10 16:08:19 | 只看该作者
另外,请注意,V10.7.1版本即将发布,这个版本在加载规则的时候更加慢了一些,因为此前的版本太快了,如果规则中含有采集iframe内容的标注,很有可能加载失败,因为分析页面太早,iframe内容还没有加载好
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

  • Gephi社会网络分析-马蜂窝游记文本分词并同
  • Gephi社会网络分析-基于马蜂窝游记文本以词
  • 知乎话题文本根据词语间距筛选后生成共词矩
  • 马蜂窝游记文本分词后以词语间距为筛选条件
  • 学习使用apriori算法挖掘关联关系

热门用户

GMT+8, 2024-4-20 05:43