集搜客GooSeeker网络爬虫

标题: 技术交流贴：以下网址的PDF中的文字能否抓取。 [打印本页]

作者: daozhanchen 时间: 2019-12-23 13:58
标题: 技术交流贴：以下网址的PDF中的文字能否抓取。
如题，以下网址：https://safety.caac.gov.cn/index/download.act?checkSum=a1e0536a633d3fde2b816c474f2549fa&fileName=ASRS%25E6%2594%25B6%25E5%258F%2596%25E7%259A%2584%25E9%25A3%259E%25E8%25A1%258C%25E5%2591%2598%25E5%2585%25B3%25E4%25BA%258EADS-B%25E8%25AE%25BE%25E5%25A4%2587%25E4%25BD%25BF%25E7%2594%25A8%25E4%25BC%2598%25E7%25BC%25BA%25E7%2582%25B9%25E7%259A%2584%25E6%258A%25A5%25E5%2591%258A.pdf
中的文字能否抓取。用火狐F12可以透析网页结构。但用GS浏览器解析抓取后确显示成乱码，求解。
附MS谋数台抓取测试结果：

作者: Fuller 时间: 2019-12-23 15:09
pdf中的内容采集不下来。可以先用集搜客网络爬虫的文件下载功能，把pdf文件下载下来，然后用程序解析pdf文件，把内容提取出来

欢迎光临集搜客GooSeeker网络爬虫 (https://www.gooseeker.com/doc/)