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
登录
|
注册
快捷导航
搜索
搜索
本版
文章
帖子
用户
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
2
11111
这样的网页要怎么采集?
thursdayrain
于 2022-4-28 10:12
发表
[复制链接]
thursdayrain
积分
300
精华
1
威望
132
金钱
2
最后登录 1970-1-1
加为好友
发送消息
访问家园
本帖最后由 thursdayrain 于 2022-4-28 10:16 编辑
https://www.scb.se/hitta-statist ... _Tabellerochdiagram
https://www.scb.se/hitta-statist ... pa-arbetsmarknaden/
这两个网页上,那些类型是excel,要下载文件,类型是diagram或者tabell的有下级网页。
要怎么做规则,既能下载文件,又能采集下级链接,做层级抓取。
举报
使用道具
|
回复
共 2 个关于本帖的回复 最后回复于 2022-4-28 15:33
thursdayrain
积分
300
精华
1
威望
132
金钱
2
最后登录 1970-1-1
加为好友
发送消息
访问家园
个人资料
主题列表
发消息
thursdayrain
中级会员
发表于 2022-4-28 15:05:54
|
显示全部楼层
任务的名字:
瑞典统计局_教育研究_第2级列表
举报
使用道具
回复
支持
反对
Fuller
积分
21907
精华
0
威望
5812
金钱
6
最后登录 2023-12-8
加为好友
发送消息
访问家园
个人资料
主题列表
发消息
Fuller
管理员
发表于 2022-4-28 15:33:12
|
显示全部楼层
如果要使用红框中的信息作为定位标志,就可以使用自定义xpath,比如,attachment_url这个抓取内容:
原来的xpath是这样的:
td[position()=1]/a/@href
再加一个条件,把相邻的那个td节点中的内容作为标志:
td[position()=1 and contains(following-sibling::td[1]/text(), 'Excel')]/a/@href
title那个抓取内容类似,也是要加多一个条件
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
知乎话题文本分词并选词后用sklearn做kmean
在线社区中人工智能生成内容的识别方法研究
基于内容分析探讨慢综艺的观众的使用与满足
Shopee和Lazada平台顾客满意度对口碑营销的
多词共现分析方法在暴雨-地质灾害应急任务
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
【求助】关于采集阿里巴巴国际站访客详情分
6
获得积分的好方法:转发小程序、QQ群、微信
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
集搜客GooSeeker 网络爬虫版本发布公告
10
【天猫商品搜索列表采集】#GooSeeker数据DI
热门用户
Fuller
帖子:10277
访问主页>>
wangyong
帖子:1692
访问主页>>
gbkuce
帖子:0
访问主页>>
GMT+8, 2023-12-10 12:56
快速回复
快速发帖
返回顶部
返回列表
共 2 个关于本帖的回复 最后回复于 2022-4-28 15:33