class和id值怎么选择

给采集内容做定位映射，class和id值要怎么选择？

定位标志映射不是必须的，有必要才做。
什么情况要做？
如果只做内容映射的话，一旦网页结构发生细微改变，都会导致规则失效，而最好的技巧就是把内容映射与定位标志映射结合使用。这样可以大大降低失效的风险。
怎么做？
包含属性值（id或class值）的区块节点可以映射给采集内容做定位标志映射。都有的话优先偏好class，因为id值很可能会发生变化。
请参看：《定位标志精确采集范围——以安居客租房采集为例》

xandy 发表于 2016-11-2 15:17
定位标志映射不是必须的，有必要才做。
什么情况要做？
如果只做内容映射的话，一旦网页结构发生细微改变， ...

从html规范上说，1）id要求是一个唯一的值，也就是说，在网页上，用一个id能定位到唯一一个DOM节点
2）而class是代表相同一类的DOM节点，主要目的是为了给他们设定统一的显示样式，比如，一张表的每一列或者每一行都显示相同的颜色


但是，即使不遵照规范也不会引起错误，也就是说id不一定唯一。

基于这些特点，我们可以这样选择
1）有时候翻页中断，是因为定义到抓取规则中的id是唯一的，每一页都不一样，所以，到下一页就失效了。
2）一个规则无法应用于网页结构相同的一组网页，这个原因也可能是id的唯一性造成的
3）做了样例复制映射，但是只抓到第一条，那可能也是由于id的唯一性造成的

id这么不好用，但是为什么要选择它？这是因为在某些场合下，id代表了一种确定性。

class也能引起问题
1）抓取表格的时候，有时候所有字段都是抓了第一列，内容串了，这是自动生成的规则错误地使用了class，结果分不出每一列了。

《避免不合适的定位标志影响抓取规则》和《有相同的class，抓取内容相同，怎么破》都是讲这个问题的。在“创建规则”和“爬虫路线”工作台上都是设置定位偏好的按钮，可以重新选择一下定位偏好，分别测试一下，找到一个最好的规则