求助关于采集规则的问题

heraldic

源html文件都是有规律的格式段，比如有 姓名、年龄、性别、籍贯，
都是按照这个顺序排列的

但是有某一段数据（第N组），缺少 “年龄”信息，结果我设置了规则，提取到第N+1组的年龄信息，出现了数据错位的情形

请问我怎么设置采集规则？

谢谢

hrj3251

要看了网址才知道

qiandaoke

应该是你规则写的有问题  一般不会出现错位的，该字段没有的会自动跳过的

heraldic

hrj3251 发表于 2017-1-21 15:21
要看了网址才知道

<div class="gai_box clearfix">
        <!--  div class="box_left">.</div>-->
    <div class="box_right Clearfix">
            <div class="box_r_l">
            <a href='javascript:;' onclick="ToReadBook(10327654,0)" onmouseover="checkSSReader('checkssreader10327654')"><img src="http://*.*.*.*:81/01/diskfi/fi75/26/cover.jpg" width="104" height="131" border="0"  onerror="javascript:this.src='/temp/8.jpg'" /></a>
                </div>               
        <div class="box_r_r">
                <p class="biaoti">
                        <img src="/markbook/images/pic.gif" width="15" height="16" border="0" />                               
                               
                        <a  href='javascript:;' onclick="ToReadBook(10327654,0)" onmouseover="checkSSReader('checkssreader10327654')">《英国维新史》</a>
                               
                        </p>
            <p id="checkssreader10327654" style="display: none"></p>
            <dl style="margin-left:20px;">
                       
                         <p><b>出版日期：</b> 光绪29年</p>
            <p><b>分类：</b><a class="l" href="/markbook/booklist.jsp?fenleiID=0K">历史、地理图</p>
            
                       
                         
                       
                       
                       
                        </dl>
        </div>
    </div>
</div>       
                       

                       



<div class="gai_box clearfix">
        <!--  div class="box_left">.</div>-->
    <div class="box_right Clearfix">
            <div class="box_r_l">
            <a href='javascript:;' onclick="ToReadBook(10220192,0)" onmouseover="checkSSReader('checkssreader10220192')"><img src="http://*.*.*.*:81/01/diskei/ei14/10/cover.jpg" width="104" height="131" border="0"  onerror="javascript:this.src='/temp/4.jpg'" /></a>
                </div>               
        <div class="box_r_r">
                <p class="biaoti">
                        <img src="/markbook/images/pic.gif" width="15" height="16" border="0" />                               
                               
                        <a  href='javascript:;' onclick="ToReadBook(10220192,0)" onmouseover="checkSSReader('checkssreader10220192')">《伊犁文牍》</a>
                               
                        </p>
            <p id="checkssreader10220192" style="display: none"></p>
            <dl style="margin-left:20px;">
                       
                        <p><b>作者：</b> 伊犁将军咨送原卷</p>
                    <p><b>出版日期：</b> 光绪1年11月</p>
            <p><b>分类：</b><a class="l" href="/markbook/booklist.jsp?fenleiID=0K">历史、地理图</p>
            
                       
                         
                       
                       
                       
                        </dl>
        </div>
    </div>
</div>       
                       

                       



<div class="gai_box clearfix">
        <!--  div class="box_left">.</div>-->
    <div class="box_right Clearfix">
            <div class="box_r_l">
            <a href='javascript:;' onclick="ToReadBook(10229402,0)" onmouseover="checkSSReader('checkssreader10229402')"><img src="http://*.*.*.*:81/03/diskel/el11/27/cover.jpg" width="104" height="131" border="0"  onerror="javascript:this.src='/temp/4.jpg'" /></a>
                </div>               
        <div class="box_r_r">
                <p class="biaoti">
                        <img src="/markbook/images/pic.gif" width="15" height="16" border="0" />                               
                               
                        <a  href='javascript:;' onclick="ToReadBook(10229402,0)" onmouseover="checkSSReader('checkssreader10229402')">《兹云桥》</a>
                               
                        </p>
            <p id="checkssreader10229402" style="display: none"></p>
            <dl style="margin-left:20px;">
                       
                        <p><b>作者：</b> 乐崇辉</p>
                    <p><b>出版日期：</b> 佛历2539腊月初8</p>
            <p><b>分类：</b><a class="l" href="/markbook/booklist.jsp?fenleiID=0B">哲学、宗教图</p>
            
                       
                         
                       
                       
                       
                        </dl>
        </div>
    </div>
</div>       
                       

heraldic

就是这样的代码片段，有的片段中少 “作者”，有的有，结果是作者错位了-----没有 作者 的记录，用了后面一条记录的“作者”

1. <div class="gai_box clearfix">
   
2.         <!--  div class="box_left">.</div>-->
   
3.     <div class="box_right Clearfix">
   
4.             <div class="box_r_l">
   
5.             <a href='javascript:;' onclick="ToReadBook(10853928,0)" onmouseover="checkSSReader('checkssreader10853928')"><img src="http://127.0.0.1:98/03/diskbap/bap57/05/cover.jpg" width="104" height="131" border="0"  onerror="javascript:this.src='/temp/6.jpg'" /></a>
   
6.                 </div>               
   
7.         <div class="box_r_r">
   
8.                 <p class="biaoti">
   
9.                         <img src="/markbook/images/pic.gif" width="15" height="16" border="0" />                               
   
10.                                
    
11.                         <a  href='javascript:;' onclick="ToReadBook(10853928,0)" onmouseover="checkSSReader('checkssreader10853928')">《新译蒙古地志》</a>
    
12.                                
    
13.                         </p>
    
14.             <p id="checkssreader10853928" style="display: none"></p>
    
15.             <dl style="margin-left:20px;">
    
16.                        
    
17.                         <p><b>作者：</b> 下村修介</p>
    
18.                     <p><b>出版日期：</b> 光绪29年03月</p>
    
19.             <p><b>分类：</b><a class="l" href="/markbook/booklist.jsp?fenleiID=0K">历史、地理图</p>
    
20.             
    
21.                        
    
22.                          
    
23.                        
    
24.                        
    
25.                        
    
26.                         </dl>
    
27.         </div>
    
28.     </div>
    
29. </div>       
    
30.                        
    
31. 
    
32.                        
    
33. 
    
34. 
    
35. 
    
36. <div class="gai_box clearfix">
    
37.         <!--  div class="box_left">.</div>-->
    
38.     <div class="box_right Clearfix">
    
39.             <div class="box_r_l">
    
40.             <a href='javascript:;' onclick="ToReadBook(10327654,0)" onmouseover="checkSSReader('checkssreader10327654')"><img src="http://127.0.0.1:98/01/diskfi/fi75/26/cover.jpg" width="104" height="131" border="0"  onerror="javascript:this.src='/temp/8.jpg'" /></a>
    
41.                 </div>               
    
42.         <div class="box_r_r">
    
43.                 <p class="biaoti">
    
44.                         <img src="/markbook/images/pic.gif" width="15" height="16" border="0" />                               
    
45.                                
    
46.                         <a  href='javascript:;' onclick="ToReadBook(10327654,0)" onmouseover="checkSSReader('checkssreader10327654')">《英国维新史》</a>
    
47.                                
    
48.                         </p>
    
49.             <p id="checkssreader10327654" style="display: none"></p>
    
50.             <dl style="margin-left:20px;">
    
51.                        
    
52.                          <p><b>出版日期：</b> 光绪29年</p>
    
53.             <p><b>分类：</b><a class="l" href="/markbook/booklist.jsp?fenleiID=0K">历史、地理图</p>
    
54.             
    
55.                        
    
56.                          
    
57.                        
    
58.                        
    
59.                        
    
60.                         </dl>
    
61.         </div>
    
62.     </div>
    
63. </div>       
    
64.                        
    
65. 
    
66.                        
    
67. 
    
68. 
    
69. 
    
70. <div class="gai_box clearfix">
    
71.         <!--  div class="box_left">.</div>-->
    
72.     <div class="box_right Clearfix">
    
73.             <div class="box_r_l">
    
74.             <a href='javascript:;' onclick="ToReadBook(10220192,0)" onmouseover="checkSSReader('checkssreader10220192')"><img src="http://127.0.0.1:98/01/diskei/ei14/10/cover.jpg" width="104" height="131" border="0"  onerror="javascript:this.src='/temp/4.jpg'" /></a>
    
75.                 </div>               
    
76.         <div class="box_r_r">
    
77.                 <p class="biaoti">
    
78.                         <img src="/markbook/images/pic.gif" width="15" height="16" border="0" />                               
    
79.                                
    
80.                         <a  href='javascript:;' onclick="ToReadBook(10220192,0)" onmouseover="checkSSReader('checkssreader10220192')">《伊犁文牍》</a>
    
81.                                
    
82.                         </p>
    
83.             <p id="checkssreader10220192" style="display: none"></p>
    
84.             <dl style="margin-left:20px;">
    
85.                        
    
86.                         <p><b>作者：</b> 伊犁将军咨送原卷</p>
    
87.                     <p><b>出版日期：</b> 光绪1年11月</p>
    
88.             <p><b>分类：</b><a class="l" href="/markbook/booklist.jsp?fenleiID=0K">历史、地理图</p>
    
89.             
    
90.                        
    
91.                          
    
92.                        
    
93.                        
    
94.                        
    
95.                         </dl>
    
96.         </div>
    
97.     </div>
    
98. </div>       
    
99.                        
    
100. 
     
101.                        
     
102. 
     
103. 
     
104. 
     
105. <div class="gai_box clearfix">
     
106.         <!--  div class="box_left">.</div>-->
     
107.     <div class="box_right Clearfix">
     
108.             <div class="box_r_l">
     
109.             <a href='javascript:;' onclick="ToReadBook(10229402,0)" onmouseover="checkSSReader('checkssreader10229402')"><img src="http://127.0.0.1:98/03/diskel/el11/27/cover.jpg" width="104" height="131" border="0"  onerror="javascript:this.src='/temp/4.jpg'" /></a>
     
110.                 </div>               
     
111.         <div class="box_r_r">
     
112.                 <p class="biaoti">
     
113.                         <img src="/markbook/images/pic.gif" width="15" height="16" border="0" />                               
     
114.                                
     
115.                         <a  href='javascript:;' onclick="ToReadBook(10229402,0)" onmouseover="checkSSReader('checkssreader10229402')">《兹云桥》</a>
     
116.                                
     
117.                         </p>
     
118.             <p id="checkssreader10229402" style="display: none"></p>
     
119.             <dl style="margin-left:20px;">
     
120.                        
     
121.                         <p><b>作者：</b> 乐崇辉</p>
     
122.                     <p><b>出版日期：</b> 佛历2539腊月初8</p>
     
123.             <p><b>分类：</b><a class="l" href="/markbook/booklist.jsp?fenleiID=0B">哲学、宗教图</p>
     
124.             
     
125.                        
     
126.                          
     
127.                        
     
128.                        
     
129.                        
     
130.                         </dl>
     
131.         </div>
     
132.     </div>
     
133. </div>       
     
134.                        
     

复制代码

heraldic

qiandaoke 发表于 2017-1-21 15:25
应该是你规则写的有问题  一般不会出现错位的，该字段没有的会自动跳过的 ...

已经补充了代码，请求指点，谢谢

heraldic

补充代码的回帖，要求审核，没了

qiandaoke

可以联系我定做