我对 import.io 和堆栈溢出完全陌生，请善待我。
我正在尝试抓取一家销售珠宝的在线商店的产品详细信息页面，并在页面上找到这种功能列表：
特征
性别 男性
技术风格 石英
材质 不锈钢
等等
是否可以训练爬虫动态提取粗体文本作为列名，而不是粗体文本作为列值？即列“性别”具有值“男性”等。假设在其他产品详细信息页面上，功能可能不以“性别”开头
谢谢你的帮助！
问问题
69 次
2 回答
2
我没有尝试过，但我认为这些会起作用：
- 通过使用 xpaths 选择所有粗体文本和具有相应值的另一列来训练一列。
- 将其全部训练为一行，以便始终选择所有特征。
于 2015-07-06T08:32:01.787 回答
0
这是完全可能的:)
- 你做了一个 col 并给它起名字 - Gender
- 然后单击或突出显示您想要的数据 - 男性
如果您觉得它不起作用，您可以继续前进，并使用 xpath。
如何：
为此，您单击列名称旁边的数据类型，在下图中，您可以在右侧的左侧窗格中看到显示“文本”的粉红色文本。
然后，当您看到“显示高级设置”选项时，您应该单击该选项。
当你在那里时，你可以添加一个“xpath Override”并将它放在那里。
//*[text()="Gender"]/following-sibling::*
这会“准确地”告诉 import.io 数据基于您可以放入其中的一组规则的位置。
这篇文章会有一些帮助：http: //support.import.io/knowledgebase/articles/368731-webinar-5-tips-and-tricks
这个会在页面上找到所有提到性别这个词的内容，然后在 HTML 中查看它旁边的内容并将其放入你的 col。
于 2015-07-09T16:41:23.740 回答