V2EX = way to explore
V2EX 是一个关于分享和探索的地方
Sign Up Now
For Existing Member  Sign In
SIFT2009
V2EX  ›  问与答

爬虫怎么动态解析不同网站的 html 结构呢

  •  
  •   SIFT2009 · Aug 12, 2017 · 3725 views
    This topic created in 3181 days ago, the information mentioned may be changed or developed.
    需要从不同的网站爬取数据,现在的做法不同的网站需要单独去写个解析类,想问一下 v 友,有可以动态解析的方法嘛。
    3 replies    2017-08-14 12:56:29 +08:00
    insoxin
        1
    insoxin  
       Aug 12, 2017 via Android
    没有万能的规则
    zeq
        2
    zeq  
       Aug 12, 2017 via iPhone
    这看是抓去什么内容了

    如果是文章的话,可以一些文章正文提取的包来做。

    如果是不同结构的,或者需要更详细的内容,可以考虑一下 data highlighter。Google 的站长工具里面就有这样一个工具,帮助站长优化搜索结果,它需要人工标记若干个页面内的数据,然后 Google 能够根据你标记的数据解析出相同类型的页面

    作为参考 @binux 在他的博客里分享了一种 data highlighter 的思路
    NaughtyMonkey
        3
    NaughtyMonkey  
       Aug 14, 2017
    肯定是不同的网站写不同的规则。不然你想上天不成
    About   ·   Help   ·   Advertise   ·   Blog   ·   API   ·   FAQ   ·   Solana   ·   5641 Online   Highest 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 50ms · UTC 08:30 · PVG 16:30 · LAX 01:30 · JFK 04:30
    ♥ Do have faith in what you're doing.