我在采集海南采购商城,下级网页的链接很长,
比如:
http://zw.hainan.gov.cn/wssc/contracts/show_contract.html?back=%2Fwssc%2Fcontracts.html%3Fq%255Bamd_div_code%255D%3D%26q%255Bamd_div_code_eq%255D%3D%26q%255Bcategory_name_cont%255D%3D%25E5%258F%25B0%25E5%25BC%258F%26q%255Bcreated_at%255D%3D%26q%255Bdepartment_name_cont%255D%3D%26q%255Bemall_name_cont%255D%3D%26q%255Breceive_at%255D%3D%26q%255Bs%255D%3Did%2Bdesc%26utf8%3D%25E2%259C%2593&contract_id=26777

在列表页第一级规则采集了4000多个下级链接,可是只传了400多条链接到下级规则。估计是因为网址过长,把很多网址当成相同的网址了。这种情况要怎么办?
举报 使用道具
| 回复

共 1 个关于本帖的回复 最后回复于 2019-5-31 16:49

沙发
maomao 论坛元老 发表于 2019-5-31 16:49:02 | 只看该作者
观察一下这个链接,发现每个链接不同的地方在于最后面的contract_id=26777,我们可以把这个部分挪到前面去,如图所示。


这样就不会把每个链接特有的部分截断了。

在excel中先对4000个链接进行分列,然后拼接,就可以把4000多个链接批量处理成这样。

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
您需要登录后才可以回帖 登录 | 立即注册

精彩推荐

  • 360或火绒等杀毒软件导致GooSeeker爬虫软件
  • 话题分析(NMF模型和LDA模型)软件的安装和
  • 运行Apple无法验证的程序的方法
  • 文本聚类分析软件的安装和使用方法
  • 利用AI阅读和分析文本:扣子COZE记录用户反

热门用户

GMT+8, 2025-5-5 11:06