翻页操作是通过记号线索“下一页”来实现的,但是淘宝评论翻到最后一页时,“下一页”就变黑了,不可点击,但是依据线索规则,还是可以被爬虫捕捉到的,只是li标签的class从gp-next变成了gp-next disable,所以爬虫会一直卡在那里,没办法结束本商品的评论抓取工作,进而进入下一个商品的抓取,这个问题怎么处理啊。
举报 使用道具
| 回复

共 1 个关于本帖的回复 最后回复于 2016-3-15 09:22

沙发
Fuller 管理员 发表于 2016-3-15 09:22:58 | 只看该作者
两个方案
1,DS菜单 高级-》终点标志-》重复内容:如果勾上,遇到重复内容会中断
2,手工修改抓取规则,就是在“爬虫线索”工作台上,点击“查看”按钮,看到下部的翻页规则,把xpath修改一下,点击右边的“保存”。注意,保存一定要在存规则之后做,因为再次存规则的话,以前保存的手工修改的内容就冲掉了。

还有最后一道防线,启用爬虫群,在会员中心-》爬虫管理-》规则管理 那里,设置调度参数,高级参数中有“同一线索翻页次数”,可以进行限制。注意,如果启用了爬虫群,爬虫群调度参数优先于DS上菜单设置的参数,所以,用爬虫群的话,上述方案1也要在调度参数设置重复内容中断
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, 2024-4-29 13:01