|
GooSeeker的设计原则是尽可能确保与原网页内容一致,因为虽然有些信息看起来没有用,但是在某些研究场合下是有用的。所以,连空格都没有过滤。你的这个结果是因为抓到的内容前后都有空格。原因如下
1,可能是text()的前后本身就有空格
2,可能将一个html元素(比如 div)整个映射给抓取内容,也就是除了含有text(),前后的一些空内容也抓下来
应对方法:
1,针对上述情形1,启用会员中心的入库功能,导入云存储数据库,就能把前后的空格删除
2,针对上述情形2,尽量不要映射整个html元素,而且精确到text()节点 |
|
共 1 个关于本帖的回复 最后回复于 2016-5-17 09:23