求助， 58网址采集，无法去重复

lhq5189935 · 发表于 2015-8-17 16:23:14

采集的是58租房频道
http://wx.58.com/chuzu/0/

这样可以采集到网址，但是网址格式如图

后面总是带好多参数，而且每次采集出来的网址都不一样，同上条信息会采集多次，如果用手动填写链接地址规则，如下图。网址根本就获取不到，请大神指点一二，谢谢

imfly · 发表于 2015-8-17 16:36:24

脚本规则写成<td class="t qj-rentd">(*)<a href="[参数]"
区域从<col class="wrentm">到<script>

d0tc0m · 发表于 2015-8-18 18:52:44

这个你应该上百度搜搜看看

youandi · 发表于 2015-8-18 22:05:45

2楼正解啊，你这规则，源码里面类似的好多，你怎么可能不重复

lhq5189935 · 发表于 2015-8-19 16:31:23

可以了，谢谢大神

sofeiall · 发表于 2015-8-20 09:36:04

我无能为力咯！

kimoslif · 发表于 2015-8-23 16:48:12

这个你应该上百度搜搜看看

hanbingtel · 发表于 2015-8-24 04:02:59

网址过滤，用通配符，把那些后面的尾巴去掉。

xumx1986 · 发表于 2015-8-24 12:20:27

嘿嘿。。这个问题。。

liyiko · 发表于 2015-8-25 12:38:17

好像帮不上什么，百度看看吧！

帐号		自动登录	找回密码
密码			加入会员