可否增加对html标签及标点符号全角-半角的全局模糊定义
1. 在定义采集起始及终止点时，火车好像是精确匹配的。如果其中包含html标签，将出现问题。同一个html标签在同一页面或不同页面可以有不同的写法，如<BR>, <br>, <br/>, <br />。如果一个网站没有严格按照某种格式编码网页的话，采集起来就很困难。在标签定义界面是html标签过滤选项中使用了模糊定义， 建议在全局也增加这种模糊定义的选项。进一步，建议增加忽略大小写的选项（针对外文网站）。2. 标点符号的全角-半角问题，特别是逗号和引号。如果数据要入库，半角的逗号和引号在很多情况下是有语法含义的。如果在采集的内容中全角-半角混用，一入库，数据就面目全非了。 建议在标签定义界面增加全角-半角切换功能。
和你们一块学习。。。
页:
[1]