如题,爬取的网页有两种网页机构,一种是ul下只有一个li的,另一种是ul下有多个li的,我是打算用“./ul[count(./li)>1]/li”和“./ul[count(./li)=1]/li”作为区分条件,但多li的网页做了样例复制后好像不能做定位标记?
主题名是“宝贝-详情页”,整理箱名是“详细参数”
举报 使用道具
| 回复

共 7 个关于本帖的回复 最后回复于 2017-1-14 21:37

沙发
Fuller 管理员 发表于 2017-1-13 20:33:44 | 只看该作者
如果是为了采集多个样例,那么选一个有多个li的作为样本网页做采集规则。遇到只有一个li的就只采集一个li。不用专门设置区分条件
举报 使用道具
板凳
Fuller 管理员 发表于 2017-1-13 20:34:55 | 只看该作者
建立嵌套整理箱就能为样例复制限定网页区域,具体参看:http://www.gooseeker.com/doc/thread-5501-1-1.html
举报 使用道具
地板
756292075 中级会员 发表于 2017-1-14 09:20:56 | 只看该作者
Fuller 发表于 2017-1-13 20:33
如果是为了采集多个样例,那么选一个有多个li的作为样本网页做采集规则。遇到只有一个li的就只采集一个li。 ...

忘了说了 只有一个样例的要点击“详情”才会展开,所以我是想用两个规则再设关键内容,类似淘宝天猫详情页抓取一样让它自动区分
举报 使用道具
5#
Fuller 管理员 发表于 2017-1-14 10:09:47 | 只看该作者
756292075 发表于 2017-1-14 09:20
忘了说了 只有一个样例的要点击“详情”才会展开,所以我是想用两个规则再设关键内容,类似淘宝天猫详情 ...

我用主题名宝贝-详情页只搜到你了一个规则,要支持两种情况的话,应该在同一个主题名下做两个规则,用不同的规则编号进行区分
举报 使用道具
6#
Fuller 管理员 发表于 2017-1-14 10:12:39 | 只看该作者
你的样本页面是有多个li的,贴一个只有一个li的网址上来
举报 使用道具
7#
756292075 中级会员 发表于 2017-1-14 20:38:59 | 只看该作者
https://detail.tmall.com/item.htm?id=537980569308
这个链接是要先点“更多参数”才能看到更多li的
所以我想用下面这个来定位,看li是否大于1来决定用哪个规则
//*[@class='attributes-list']/ul[count(./li)>1]
举报 使用道具
8#
Fuller 管理员 发表于 2017-1-14 21:37:51 | 只看该作者
756292075 发表于 2017-1-14 20:38
https://detail.tmall.com/item.htm?id=537980569308
这个链接是要先点“更多参数”才能看到更多li的
所以 ...

点击“更多参数”会进入“规则参数”页签,这个页签似乎所有商品都有,所以不如统一起来,规则参数都到这个页签下采集,也不用点击“更多参数”这个超链接,而是直接点击规则参数页签
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, 2024-5-15 15:28