本帖最后由 SYSU123 于 2020-6-18 16:00 编辑

采集微博关键词,用了细分时间,按小时爬取。可是采集下来的数据,双数的那些小时段(2点4点6点这样)没有数据了,文档里都是单数的小时段,为什么会这样?现在采集状态是已完成,我是旗舰版用户,用了5台电脑并行爬数据。


举报 使用道具
| 回复

共 3 个关于本帖的回复 最后回复于 2020-6-18 16:38

沙发
maomao 论坛元老 发表于 2020-6-18 15:59:20 | 只看该作者
你的采集状态是已完成,但是数据有缺失,很可能是哪台计算机采集下来的数据没有上传,或者上传失败

举报 使用道具
板凳
maomao 论坛元老 发表于 2020-6-18 16:30:35 | 只看该作者
可以到各台电脑上检查一下,看看是哪台电脑的数据上传有问题。
每台爬数据的电脑里有个目录C:\DataScraperWorks\微博关键词搜索采集,爬下来的数据文件就保存在这里。这些数据文件的正常和异常状态说明如下图。




举报 使用道具
地板
maomao 论坛元老 发表于 2020-6-18 16:38:15 | 只看该作者
如果有XML文件,你可以再启动一个采集任务,可以把这些XML文件一起打包上传。

如果在harvestrecord文件夹发现了未上传数据包的名字,如果你做过采集规则,可以把这些数据包在会员中心导入到任一规则中,然后到关键词采集工具页面上去下载数据。如果你没有自己做过规则,可以把这些数据解压成XML文件,把这些XML文件放到C:\DataScraperWorks\微博关键词搜索采集 目录中,你再启动一个采集任务,可以把这些XML文件一起打包上传。
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, 2024-4-19 22:52