本帖最后由 ym 于 2015-9-29 18:01 编辑

爬了2次依然是这样


答:微博的收藏、评论、转发的网页结构是一样的,而收藏是在前面的,这样就会抓到收藏的数据,你可以找到上层节点做标志映射,参考旧版教程http://www.gooseeker.com/cn/node/document/metaseeker/cookbookv4/semanticblock.htm



问:这个节点有没有文本信息呢?

答:对于这段信息,因为大部分微博都没有这两个值,所以,不容易找到样本页面,那么就不要准确地选择text做映射,而是选择上级div,包含“收藏(8)”这样的内容。
虽然抓取的结果里面含有一些不要的字符,比如“收藏(”和“)”,但是可以把抓取规则做得比较通。

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
举报 使用道具
| 回复

共 0 个关于本帖的回复 最后回复于 2015-9-29 17:42

您需要登录后才可以回帖 登录 | 立即注册

精彩推荐

  • 运行Apple无法验证的程序的方法
  • 文本聚类分析软件的安装和使用方法
  • 利用AI阅读和分析文本:扣子COZE记录用户反
  • 在网页片段内直观标注——以B站评论采集为
  • 利用AI阅读和分析文本:使用COZE建设游记文

热门用户

GMT+8, 2024-12-19 06:35