|
- UID
- 13747
- 帖子
- 32
- 活跃度
- 50 点
- 火车车厢
- 5 节
- 注册时间
- 2007-2-1
|
1楼
发表于 2007-10-8 13:37
| 只看该作者
采集地址的一个bug
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 |
|
