集搜客GooSeeker网络爬虫

标题: 微博悬浮窗第二个规则的问题 [打印本页]

作者: Ketchup 时间: 2015-11-23 21:20
标题: 微博悬浮窗第二个规则的问题
悬浮窗的教程这个 http://www.gooseeker.com/doc/article-139-1.html

我按照教程第一规则第二规则都做好了，这个是第二规则截图。
[attach]389[/attach]

映射都做好了保存好后采集，采集过程中也是一页采完后然后采悬浮窗，可是生成的文件里没有要采集的数据，不知道哪里错了，请教大家。
下面是第二规则采集出来的xml文件内容
[attach]390[/attach]

当我重新打开MS谋数台，重新打开这个规则，先让悬浮窗出来冻结网页，网页结构刷新再后续分析会出错
[attach]391[/attach]
[attach]392[/attach]
请问为什么会出现这个错，怎么解决？

作者: gooseeker_info 时间: 2015-11-23 23:43
我们在qq里也聊过，当时我建议：给抓取内容设置关键内容，后来看到你在qq里的截图是出现timeout，说明抓取的时候，发现抓取规则不正确。

但是，为什么在MS谋数台上是能采集到内容的？我分析如下：
关键原因可能是没有使用定位标志映射。
虽然定位标志映射不是必须的，但是，选择适当的定位标志，会让抓取规则的适应性提高很多。比如如下场景：
1，如果不用定位标志映射，MS谋数台会缺省使用@id，这是他自己选择的，可能会不适合，比如，有些id是这样的格式 id='msg_12562'，后面那个数字代表一条消息，每条消息都有唯一的数字，那么，针对样例做成的规则就会不适应其他情况
2，在整个xpath中，既有id还有class，如果缺省选择id，那么可能有个class离被抓取节点更近，而且语义更明确

根据截图我对比了一下，你的这个规则没有使用定位标志映射。很可能跟这个有关。定位标志的用法参看：http://www.gooseeker.com/doc/article-120-1.html

作者: Ketchup 时间: 2015-11-24 20:24

gooseeker_info 发表于 2015-11-23 23:43
我们在qq里也聊过，当时我建议：给抓取内容设置关键内容，后来看到你在qq里的截图是出现timeout，说明抓取 ...

谢谢，我会仔细再设置看看，感谢回复。

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