采集完最后一页并没有停止任务,一直在采集最后一页,后面的全部是重复数据
举报 使用道具
| 回复

共 1 个关于本帖的回复 最后回复于 2016-8-18 18:02

沙发
wangyong 版主 发表于 2016-8-18 18:02:19 | 只看该作者
这种情况是因为虽然到最后一页了,但是网页上的翻页标志还是存在所以就会一直翻页。

解决方案
1,使用打数机单搜集搜的采集时可以在高级→终点标志→重复内容,勾上重复内容后打数机会判断抓取的内容是否重复,如果发现重复就会自动断掉。

如果使用爬虫群抓取,就需在调度参数中“”重复内容中断“”勾上“是”。

2,自动生成的翻页规则会选择的定位标志不一定最合适,可以通过xpath设置精确的翻页规则。
参考教程自定义xpath解决翻页重复

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, 2024-4-28 01:29