快捷导航

集搜客GooSeeker专有名词解释

2015-8-5 16:06| 发布者: ym| 查看: 135242| 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 ...
样例复制

要想提取列表结构的信息,如果只映射一次,就只能提取到一条记录,为了将整个列表的信息提取下 来,这就需要把样本页面上的两个紧相邻的样例(通常是第1和第2个样例)的区块节点做样例复制映射,这样,MS谋数台就会根据其位置计算出一套重复提取的规则,从而,把页面上具有相同结构的信息采集下来。

图4:样例复制

总结一下用户需做的操作是

  1. 针对列表页面的第1个(浏览器红框内容)样例创建整理箱,并通过内容映射告诉谋数台要抓取网页上哪些内容;
  2. 将第1个样例的HTML网页区块映射给样例1(通过样例复制映射)
  3. 将第2个样例的HTML网页区块映射给样例2

样例复制其实就是告诉MS谋数台:用户要求在抓取完上一个信息块后还想要抓取下一个,按页面上的自然顺序往下抓取直到将该页面上相同结构信息全部抓取完毕。

图5:相同结构信息


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, 2021-9-28 15:33