集搜客GooSeeker专有名词解释

2015-8-5 16:06| 发布者: ym| 查看: 226207| 评论: 12

摘要: 样本页面 指用户定义抓取规则的网页页面。样本页面的内容结构具有代表性,在一个样本页面上定义的抓取规则可以适用于相同结构的所有页面,比如,针对京东网的一个商品页面定义一个抓取规则,就能用于抓取所有相同结 ...
下级线索

当DS打数机抓取一个页面的时候,可以把该页面上指向下一级的网址抓取下来,生成为抓取下级网页的线索,用以扩展网络爬虫的爬行范围

这需要在MS谋数台的创建规则和爬虫路线工作台上定义规则。

  • 在创建规则工作台上定义下级线索:下级线索的网址本身也是数据,像定义其他数据内容的抓取规则一样,要在整理箱中创建抓取内容字段用于存储网址,同时勾上“下级线索”,表示这个网址不仅是普通数据,而且是DS打数机链接到下一级规则的入口。
  • 在爬虫路线工作台上定义下级线索:
    • 凡是勾上“下级线索”的抓取内容会自动在爬虫路线工作台上生成一条线索,那么转到爬虫路线工作台后需要为这些线索赋予下级主题名。
    • 也可以在爬虫路线工作台上单独创建下级线索,有如下类型(详细参看下面的章节)
      • 可以在划定的网页范围内筛选出符合规定字符串特征的网址;
      • 也可以在划定范围内根据标志筛选网址;
      • 也可以在划定范围内根据超链接的相邻关系筛选网址;
      • 还可以把定点的超链接定义为下级线索。

Tips:在爬虫路线工作台上,可以把一条线索设置成连贯抓取,这样的线索不会持久保存,爬虫沿着这个线索进入目标页面后就丢掉这条线索。这是一种特殊的线索。

Tips:给下级线索取主题名的时候,如果使用当前主题名,严格地说就不叫下级线索了,而是同级线索,是爬虫在宽度方向扩展范围。比如,翻页抓取时,每个分页的结构相同,应该用当前主题名。


若有疑问可以集搜客网络爬虫

34

鲜花
1

握手

雷人
5

路过
3

鸡蛋

刚表态过的朋友 (43 人)

相关阅读

发表评论

最新评论

评论 Fuller 2018-3-17 09:34
oubinke: 那是不是有一种并行操作的意思呢?那同时抓取同一个主题的话,所得到的结果会不会重复呢
用爬虫群模式,设置好调度参数,规定要分布到多少个爬虫窗口中运行,就能并行抓取。这种用于很多网址的情况,如果只有一个网址,开再多爬虫也没有用
评论 oubinke 2018-3-16 19:32
bowieD: AJAX网页是动态加载的,打开一个网页往下拉,如果一直在加载新的内容就是动态加载的网页
好的,谢谢您
评论 oubinke 2018-3-16 19:32
bowieD: 每一个规则都可以用一个集搜窗口来运行采集,“与原来的管理窗口同时抓取网页数据”的意思是 是集搜窗口与管理窗口同时抓取同一个主题的网页数据。 ...
那是不是有一种并行操作的意思呢?那同时抓取同一个主题的话,所得到的结果会不会重复呢
评论 bowieD 2018-3-16 17:52
oubinke: 您好,请问如何判断一个网页是不是AJAX网页呢
AJAX网页是动态加载的,打开一个网页往下拉,如果一直在加载新的内容就是动态加载的网页
评论 bowieD 2018-3-16 17:51
oubinke: “点击主题的“集搜”按钮后,弹出“抓取网页”会话窗口,设置抓取线索数量并确定后,将会自动弹出新的简化版DS打数机窗口(集搜窗口),与原来的管理窗口同时抓 ...
每一个规则都可以用一个集搜窗口来运行采集,“与原来的管理窗口同时抓取网页数据”的意思是 是集搜窗口与管理窗口同时抓取同一个主题的网页数据。
评论 oubinke 2018-3-16 17:22
“点击主题的“集搜”按钮后,弹出“抓取网页”会话窗口,设置抓取线索数量并确定后,将会自动弹出新的简化版DS打数机窗口(集搜窗口),与原来的管理窗口同时抓取网页数据,能够高效抓取数据;”
您好,您文中所说的“与原来的管理窗口同时抓取网页数据”的意思是,是集搜窗口与管理窗口同时抓取同一个主题的网页数据?还是只是可以同时运行不同的主题而已。
评论 oubinke 2018-3-16 17:07
您好,请问如何判断一个网页是不是AJAX网页呢
评论 Fuller 2017-12-14 11:22
a12345617: 什么工具,一点都不会。完全不知道要干什么
从这个文档开始学:http://www.gooseeker.com/tuto/tutor_article.html?t=2  ,左栏有目录,展开《从入门到精通》,从头开始按照顺序看
评论 a12345617 2017-12-14 11:11
什么工具,一点都不会。完全不知道要干什么
评论 Fuller 2016-8-3 21:36
waq0902: 单搜和集搜的设置线索数是什么意思?什么情况下线索不是1?
手工启动的抓取需要输入线索数,意思是让爬虫只抓指定数量的线索。可以先统计一下,比如,统计出来有50条等待抓取的线索,可以输入50,或者大于50的数字,就会把所有线索抓一遍
评论 waq0902 2016-8-3 20:48
单搜和集搜的设置线索数是什么意思?什么情况下线索不是1?
评论 思秋忆 2015-8-13 11:31
点击导航栏的各个名词,为什么一直停留在目录页呢?能不能改进一下

查看全部评论(12)

GMT+8, 2024-10-11 20:50