采集大众点评里的评论时，有三个字段（口味、环境、服务）抓到的是相同的内容，为什么会这样？

我爬取大众点评的某一个饭馆的评论 ，为什么爬取的“口味”和“环境”还有后面的“服务”的值都是“口味”的呢 ？就是说如果“口味”是“非常好”那么爬取的“环境”和“服务”也是“非常好” 。但是实际上“环境”和“服务”可能是其它的“很好”或者”好“的评论 。感觉各种操作也是对的 。为什么结果就是有这样的问题呢？

应该是这三个信息定位的节点的属性值（id或class值）是相同的，才造成采集的内容一样，点击测试，去数据规则里看这三个字段的提取路径是一样的，要调整映射关系改变提取路径才能解决这样的问题。
在规则里做上定位标志，找这三个信息定位到的节点的上层节点做定位标志映射，再点击测试，这些提取路径就会改变了，参考教程http://www.gooseeker.com/doc/article-177-1.html

假设上层节点没有任何@class和@id可用，就做不了定位标志映射，在这种情况下，可以修改 定位的首选项。

选择 绝对定位，就能避免相同@class造成的干扰

Fuller 发表于 2015-12-1 18:13
假设上层节点没有任何@class和@id可用，就做不了定位标志映射，在这种情况下，可以修改 定位的首选项。
选 ...

解决了我的问题 非常感谢

Fuller 发表于 2015-12-1 18:13
假设上层节点没有任何@class和@id可用，就做不了定位标志映射，在这种情况下，可以修改 定位的首选项。
选 ...

我和提主有相同的问题，感谢回答。不过照此操作以后，虽然环境/口味/服务三个字段都齐全了，但原本没问题的日期字段有部分数据缺失，星级字段也不完整，这又是为什么呢？谢谢！

moneyhunt 发表于 2016-2-13 23:26
我和提主有相同的问题，感谢回答。不过照此操作以后，虽然环境/口味/服务三个字段都齐全了，但原本没问题 ...

可以把DOM结构的截图发出来看看，要具体分析一下。

也可以把规则名发出来，我们研究一下

Fuller 发表于 2016-2-14 00:23
可以把DOM结构的截图发出来看看，要具体分析一下。

也可以把规则名发出来，我们研究一下 ...

规则主题名是“权金城烤肉”，DOM结构啥的不太懂。。。谢谢；）

大众点评网的抓取是很容易的，因为这个网站的网页做的是否标准，上面有很多@class可以做为定位标志，所以，抓取规则可以很有适应性。比如上图，把那个@class做定位标志映射，用相同的标志映射给那三个抓取内容，就能解决抓乱的问题，从截图上看，他们本来都有相同的@class=rst，容易抓乱，但是，通过做定位标志映射，人工指定定位标志，就能避开@class=rst，那么就不用设置绝对定位了，设置绝对定位总是不好，容易造成适应度下降。

网页上只有“星级”这个不好选定位标志，5星是@class=item-rank-rst irr-star50，4星是@class=item-rank-rst irr-star40，值不一样，那么就不要做定位标志映射，或者用自定义XPath，把starxxx这个数字避开。

另外，要至少给一个抓取内容设置关键内容，你没有设置，容易漏抓

定位标志映射的讲解在《中级教程》：http://www.gooseeker.com/doc/article-132-1.html
尽量选用合适的定位标志，抓取规则的适应性会提高