本帖最后由 thursdayrain 于 2022-3-2 19:08 编辑

任务名:教科文组织终身学习研究所_大事记_列表
这个列表网页看起来很规整的,但是样例复制就是不行,已经试过所有的整理箱定位方式了。

据观察,列表的第一个样例,好像有些特别,如果不把title字段勾上关键内容,好像样例复制可以出来,但是只有第一个样例有title。
如果把title勾上关键内容,测试只能看到第一个样例的内容
举报 使用道具
| 回复

共 6 个关于本帖的回复 最后回复于 2022-3-3 10:48

沙发
Fuller 管理员 发表于 2022-3-3 07:49:55 | 只看该作者
你的规则不存在,你要先存规则,我才能帮你测试
举报 使用道具
板凳
thursdayrain 中级会员 发表于 2022-3-3 09:34:35 | 只看该作者
已经保存了,请再看看
举报 使用道具
地板
Fuller 管理员 发表于 2022-3-3 10:36:38 | 只看该作者

除了第一条的标题是在h2下以外,其他的都在h3下。所以,需要写自定义xpath
举报 使用道具
5#
Fuller 管理员 发表于 2022-3-3 10:39:07 | 只看该作者
article_url的xpath是:.//*[@class='field-item even']/h2/a/@href | .//*[@class='field-item even']/h3/a/@href
title的xpath是:.//*[@class='field-item even']/h2/a | .//*[@class='field-item even']/h3/a

其中,使用 | 表示 “或”
举报 使用道具
6#
Fuller 管理员 发表于 2022-3-3 10:43:23 | 只看该作者


publish_date要做定位映射,选择箭头指向的那个节点做定位映射。这样才能避免红框里面的那个定位标志,红框里面的那个定位标志会交替出现 odd和even,要用上这个定位标志的话就会隔一行采集一个日期
举报 使用道具
7#
Fuller 管理员 发表于 2022-3-3 10:48:07 | 只看该作者


点击测试按钮以后,看采集规则,看出现问题的抓取内容的xpath,就能猜测出来哪里出现问题了
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, 2024-4-23 23:42