为什么数据会变成这样?

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
| 回复

共 1 个关于本帖的回复 最后回复于 2016-5-17 09:23

沙发
Fuller 管理员 发表于 2016-5-17 09:23:47 | 只看该作者
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
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

  • gooseeker分词工具的命名实体识别和词形还
  • 怎样设置LDA模型的超参数alpha(α)和beta(
  • LDA主题分析模型到底是什么?
  • top2vec话题发现原理和使用方法
  • 将文本聚类和LDA分析模块安装在数据盘上的

热门用户

GMT+8, 2026-4-22 18:32