采集地址的一个bug

foxc188

如果采集页面的地址是一个文本，没有<a href=xxxx的话，即使在测试中采到http://xxxxxx的地址，采集器不会把这段文本当作地址进行动作。



举例
页面1：
===================
云南地处高原，但纬度较低，气候温暖湿润，"晴时早晚遍地雾，阴雨成天满山云"，加上又有富含有机质的肥沃土壤，特别适于茶树生长，并且能提高茶叶中的蛋白质、氨基酸、维生素、咖啡碱、芳香油等有效成分的含量，因而云南茶的内在品质特佳。参考资料http://www.hycd.net
===================
这样就采不到参考资料的页面



页面2：
===================
云南地处高原，但纬度较低，气候温暖湿润，"晴时早晚遍地雾，阴雨成天满山云"，加上又有富含有机质的肥沃土壤，特别适于茶树生长，并且能提高茶叶中的蛋白质、氨基酸、维生素、咖啡碱、芳香油等有效成分的含量，因而云南茶的内在品质特佳。参考资料<a href=http://www.hycd.net>hycd</a>
===================
这样就可以采集参考资料的页面

foxc188

可能我描述得不对，独立做了一个网页做测试，又好像没事。我试清楚先不好意思

foxc188

不好意思原来是我自己匹配错地址，麻烦大家了