本帖最后由 ym 于 2015-9-29 18:01 编辑

爬了2次依然是这样


答:微博的收藏、评论、转发的网页结构是一样的,而收藏是在前面的,这样就会抓到收藏的数据,你可以找到上层节点做标志映射,参考旧版教程http://www.gooseeker.com/cn/node/document/metaseeker/cookbookv4/semanticblock.htm



问:这个节点有没有文本信息呢?

答:对于这段信息,因为大部分微博都没有这两个值,所以,不容易找到样本页面,那么就不要准确地选择text做映射,而是选择上级div,包含“收藏(8)”这样的内容。
虽然抓取的结果里面含有一些不要的字符,比如“收藏(”和“)”,但是可以把抓取规则做得比较通。

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
举报 使用道具
| 回复

共 0 个关于本帖的回复 最后回复于 2015-9-29 17:42

您需要登录后才可以回帖 登录 | 立即注册

精彩推荐

  • 爬网址做层级采集——以当当商品爬虫为例
  • 网络爬虫采集列表数据
  • UMAP的min_dist参数有什么作用?
  • UMAP的n_neighbors参数有什么作用?
  • HDBSCAN的min_samples和min_cluster_size参

热门用户

GMT+8, 2026-7-7 14:43