抓取一篇文章,文本和图片可以分别抓取下来,如何才能将抓取的文字段落和图片,按原来的排版顺序保存,以便还原成一篇排版一致的文章?
例如,文字1后面有图片1,文字3后面有图片2,如何保存这种顺序?
举报 使用道具
| 回复

共 1 个关于本帖的回复 最后回复于 2019-9-1 23:12

行业分析师 新手上路 发表于 2019-9-1 23:12:43 | 显示全部楼层
按照这个教程:https://www.gooseeker.com/doc/article-475-1.html
采集一个网页区域内的所有图片,在结果文件中,原来的img标签还在,根据这个就能确定图片在文字中的位置。在结果文件结尾,还有img中的src与磁盘中的图片文件的对应关系的描述,根据这个就能把实际图片文件联系起来
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, 2024-3-29 13:21