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

  • 怎样让GooSeeker分词工具使用宋体画词云图
  • 使用BERTopic时遇到的c-TF-IDF是什么?
  • gooseeker分词工具的命名实体识别和词形还
  • 怎样设置LDA模型的超参数alpha(α)和beta(
  • LDA主题分析模型到底是什么?

热门用户

GMT+8, 2026-5-23 12:18