在抓一个网站的数据,但是有的信息不是每个网页都有,而是部分网页才显示,就是只有这点差别而已,我做了一个规则,但是只抓到一类网页的信息,怎么解决啊
举报 使用道具
| 回复

共 3 个关于本帖的回复 最后回复于 2015-8-31 18:04

沙发
wangyong 版主 发表于 2015-8-27 11:20:34 | 只看该作者
本帖最后由 wangyong 于 2015-8-27 11:28 编辑

要看实际情况,有些网页能用一个规则,例如百度新闻搜索网页,搜索结果有多种结构,有的新闻有图片和相同新闻数显示,有的新闻就没有,虽然没有这些信息,但对应的div说不定一直存在,具体情况需要分析网页结构,就是把网页加载到MS谋数台,然后点击网页信息,观察这些信息结构的异同点;如果div一直存在,就可以把这个网页当作样本页面做规则,红框中的抓取内容(仅部分网页显示的信息)就不用设置成关键内容,这样,网页显示这些信息时DS打数机就会抓取,没有的网页就会跳过不抓,同时正常抓取页面上的其它信息




如果网页结构改动很大,可以定义两个规则,放在同一个主题名下,一个规则抓取一种网页结构的数据,一个主题名可以包含多个规则,相当于是一组规则了,DS打数机在抓数据时就会用这组规则去匹配网页结构,抓取与规则相匹配的网页数据。




举报 使用道具
板凳
MakeitPossibleV 新手上路 发表于 2015-8-27 11:54:56 | 只看该作者
看懂了,我这个网页虽然只有一点不同,但是有的网页没有对应的div,要做两个规则才行,谢谢解答
举报 使用道具
地板
驻在冰箱的企鹅菌 中级会员 发表于 2015-8-31 18:04:03 | 只看该作者
版主没有没有发布抓取百度新闻搜索网页的规则,这样就可以具体看看规则来理解了。
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, 2024-4-24 19:06