请问为什么我试抓的时候都是能完整抓完5页,但是自动采集就每次抓到第三页就结束了呢

我是用crontab.xml配置的


举报 使用道具
| 回复

共 2 个关于本帖的回复 最后回复于 2016-6-23 17:48

沙发
Fuller 管理员 发表于 2016-6-23 17:46:34 | 只看该作者
可以做如下检查
1,DS窗口是否放到最大了?
2,DS窗口下部的日志怎么说?
3,把dupratio改为100吧,估计是下级网址有重复才会断掉的
举报 使用道具
板凳
Fuller 管理员 发表于 2016-6-23 17:48:35 | 只看该作者

这个日志说明:1,你肯定做了两级规则,这是第一级
2,连续运行两遍,为第二级抓取到的网址相同,就不往下抓了

至于“抓取成功,但爬虫参数还有优化空间以提高抓取速度”,可以把timerTriggered设置为true,但是要谨慎一些,设置true的话,很可能会抓的太快造成漏抓或者翻页断掉。具体参看:http://www.gooseeker.com/doc/thread-714-1-1.html

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, 2024-4-25 16:26