碰到难题,新人求教高手~
我用的是3.0新版本的火车头.碰到一个网站里的不连续的网页,请问该怎么采集呢??
我简单解释下.
比如:
http://58.com/rent/1993068x.shtml
http://58.com/rent/1963451x.shtml
http://58.com/rent/1952860x.shtml
http://58.com/rent/1939963x.shtml
.
.
.
.
这样的网页有上千个,我想采集它们,可是他们的后面的数字都是不连贯的,比如1993068x.shtml,1963451x.shtml,1939963x.shtml.
本来我想用新建任务方式里面的 批量/多页 的方式采集,可这些我想采的网页都不连续,请问高手我应该怎么采才好呢? :( 总结一下规律，你上面列的就是都用19打头的，你可以批量导入，写成http://58.com/rent/19(*)x.shtml
具体怎么样你要自己测试下 网页我处理了一下,是"无法打开网页"的. 让机器自动探测，不连贯的不要紧，探测出来没有数据就是了 原帖由 梦想中文 于 2006-11-19 19:09 发表
总结一下规律，你上面列的就是都用19打头的，你可以批量导入，写成http://58.com/rent/19(*)x.shtml
具体怎么样你要自己测试下
谢谢您回帖.
不过里面有许多18开头的,都是7位数字,只是上面举例子时我没写上. 18和19开头的网页几乎各占一半.
请问有什么好方法么?? :( 先做19的，做好后另外开一个任务，做18的，规则一样 原帖由 梦想中文 于 2006-11-19 19:13 发表
让机器自动探测，不连贯的不要紧，探测出来没有数据就是了
哦,我刚接触火车头,没太明白您说的"机器自动探测"是什么意思,您能具体讲两句么?谢谢谢谢.:) :L ，你设好规则就可以了，如果没有那么火车当然就搜不到，就不会返回结果 原帖由 梦想中文 于 2006-11-19 19:19 发表
:L ，你设好规则就可以了，如果没有那么火车当然就搜不到，就不会返回结果
请问您指的是设置标题,内容等的开头和结尾符号么?? 我是说批量导入啊，你说的那是内容规则
页:
[1]
2