快捷导航
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 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
Fuller 管理员 发表于 2022-4-28 15:33:12 | 显示全部楼层
定位151544.png

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
您需要登录后才可以回帖 登录 | 立即注册

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

热门用户

GMT+8, 2023-12-10 12:56