我要抓取https://bj.lianjia.com/ershoufang/co32/网页中今天添加的新房源信息,例如,小区、户型、面积、结构、年代、单价等,先通过层级抓取到该网页中各个链接的地址,然后进行翻页设置,测试结果只有1页的信息,这是为什么啊?
有两个问题:1、如果只抓取前5页的地址,有什么方法设定吗?
                    2、通过层级抓取到网页中各个链接的地址后,我还需要对各个链接里的例如挂牌时间、成交时间这些字段进行抓取的话,应该怎么做啊?
谢谢!

举报 使用道具
| 回复

共 1 个关于本帖的回复 最后回复于 2018-3-9 17:37

沙发
数据集 高级会员 发表于 2018-3-9 17:37:57 | 只看该作者
1,需要只抓取前5页的地址,需要用爬虫群采集,在爬虫群的调度设置中可以设置只翻五页。
2,用层级采集,一级采集列表页的链接后给二级规则,二级规则再采集详情页的信息,要采集什么就映射什么。

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
您需要登录后才可以回帖 登录 | 立即注册

精彩推荐

  • GooSeeker分词软件的tf-idf算法和特征词选
  • 边表格式和矩阵格式的共词矩阵表有什么区别
  • GooSeeker分词、情感分析和文本分析平台简
  • 聚类分析和主题分析中的特征选择参数的设置
  • 为集搜客分词和情感分析扩展模块安装情感分

热门用户

GMT+8, 2026-3-11 09:29