https://www.the-guild.eu/publications/statements/index.html
这个列表网页,每一项的结构都不太一样,虽然表面看是一样,但是实际上的网页结构不一样。
我要采集每一项,还要下载文件。
举报 使用道具
| 回复

共 1 个关于本帖的回复 最后回复于 2022-5-7 15:21

沙发
Fuller 管理员 发表于 2022-5-7 15:21:03 | 只看该作者


照样可以做样例映射。只是这个网页跟普通网页看起来不同,因为其他网页的每个样例都在自己的一个网页块中,这个却不一样,没有各自的网页块,而是所有样例并排在一起。

做样例映射的时候要注意一下:用两个样例的title对应的h3节点做映射,不能随便选择样例所在网页块内的任意html节点,因为他们没有各自的网页块。

我测试的规则名是:测试样例复制。有权限的话可以加载我的规则看

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

  • 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, 2026-4-30 21:31