我需要采集京东电脑的具体规格参数,但是需要采集下来的参数不是网站上所列出的全部,只挑选一部分(例如,CPU,内存,显存,操作系统,重量,尺寸...)

他们的class值都为空白,所以我现在只做了这些参数的内容映射。对于这一个电脑这些参数还能与列名吻合,但是我要抓2000多个电脑参数,有的电脑没有某些参数(例如显存),所以会和列名不符合,想知道这种情况下如何精准匹配内容~
举报 使用道具
| 回复

共 1 个关于本帖的回复 最后回复于 2016-11-28 14:55

沙发
xandy 论坛元老 发表于 2016-11-28 14:55:17 | 只看该作者
视情况而定。
你所说的电脑参数,如果这20多个电脑页面的参数页网页结构都是一样的,那么你一个规则就可以搞定(某些电脑的某个参数可能不存在,这个参数不要设置成关键内容,另外可以通过自定义xpathl来限定这个参数的采集范围)《自定义xpath
如果这20多个电脑页面的参数页网页结构有区别,那么在同一个主题下做几个规则来同时采集这几类稍微不同的网页。《怎么在同一个主题名下建立多个规则
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, 2024-5-2 23:03