我在采集好大夫网医生的数据的时候,需要采集每个医生所在医院的相关信息,所以在医生界面对医院的网址设置了下级线索
但是可能存在几个医生都是同一个医院的情况,所以医院网址是一样的,这个时候自动去重机制就会省掉重复的医院网址
医生线索数量与医院线索数量对不上,没法把医生和医院对应起来,请问有什么办法取消去重吗

举报 使用道具
| 回复

共 2 个关于本帖的回复 最后回复于 2020-3-13 09:22

沙发
微舆情 高级会员 发表于 2020-3-12 22:29:51 | 只看该作者
根据网址就可以对应上。
比如30个医生属于医院A, 20个医生属于医院B
那么医院线索就2条就可以, 不需要采集50次
举报 使用道具
板凳
lan_1985 金牌会员 发表于 2020-3-13 09:22:21 | 只看该作者
本帖最后由 lan_1985 于 2020-3-13 09:27 编辑

下级线索有重复的网址,会自动去重,但是在采集列表的时候是不会去重的,可以导出列表数据查看到。

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

  • 为BERTopic安装需要的预训练SBERT模型
  • 在什么情况下使用弹窗模式和回退功能?
  • 爬网址做层级采集——以当当商品爬虫为例
  • 网络爬虫采集列表数据
  • UMAP的min_dist参数有什么作用?

热门用户

GMT+8, 2026-10-24 17:57