问题标签 [webharvest]

我已经在 Apple 的应用商店中发布了一个移动应用程序。

此 SPI 客户端应用程序使用服务器端的 Rest API 来检索有关巴士到达特定巴士站的实时信息。

该应用程序像魅力一样运行了 6 个月。

Rest API 使用 WebHarvest 从网站（例如：http ://www.metlink.org.nz/stop/4912/departures ）中提取真实数据信息。

几天前，从我的服务器端代码中抓取的 HTML 页面通过添加以下行进行了更改：

从那时起，我的应用程序就停止了工作。

我知道我可以使用 regExp 剥离上面的行，但我想知道是否有办法通知 WebHarvest 禁用 XML 验证。禁用 XML 验证，我不需要进入我拥有的每个配置并将我的 xpath 表达式更改为 regExp 以剥离上面的行。

这是我的配置文件：

如果我在 WebHarvest GUI 中运行它，上面插入的配置文件工作正常（奇怪）。但是，在我的 Rest API 中运行它时收到错误消息。这是我收到的错误：

提前致谢。

我是这种语言的新手，我被困在一个简单的任务中。

基本上我想得到 50 个结果，而不是搜索者给我的基本 10 个结果作为基本结果。这将是代码：

谁能告诉我怎么解决这个问题！？？？请！！

我想知道两者有什么区别

我曾尝试查看java doc，但在那里找不到任何东西。似乎没有适当的文档。请帮忙。

我需要一种在超时后停止执行刮板的方法，我该怎么做？

我想从谷歌图片搜索中收集图片。但是，我经常收到错误通知。

例如，https://www.google.com/search?q=banana&hl=en&gws_rd=ssl&tbm=isch我的浏览器中的 URL 很好，但在网络收获中它报告说：对实体“gws_rd”的引用必须以 ';' 结尾 分隔符。

我猜 '&' 是 webharvest 中的一个特殊字符，但我找不到有关它的信息。你能弄清楚为什么吗？

这是代码：

我想抓取每个子链接的信息，但程序显示错误。下面是我的完整配置文件。错误是由以下原因引起的：org.xml.sax.SAXParseException; 行号：6；列号：724；元素类型“t.length”必须后跟属性规范，“>”或“/>”。**

我想将从网站提取的记录插入数据库，但提取文本包含符号撇号，并导致我在 sql 插入期间出现语法错误。我可以知道如何在 WebHarvest 中用“'”代替撇号吗？

提前致谢！

我希望有人能指出我（可能是愚蠢的）这个脚本的问题。我正在尝试爬取网站以获取该网站上的帖子并将其加载到 XML 文档中。我尝试结合几个示例脚本 - 爬虫和 nytimes 示例。

该脚本运行没有错误，但只<edublogs date="02.10.2015"></edublogs>导出标签。

在此先感谢您的帮助。

I am trying to download the share count from the left SumoMe plugin of this website http://www.r-bloggers.com/erum-2016-first-european-conference-for-the-programming-language-r/

I try to use R code based on rvest package

But have received empty response. The page looks like to start with 0 share-count and then it updates after a few second after you spend time on that website. Can someone could suggest any possible solution to that or advice any package? Is RSelenium a good package for that? I haven't used it before.

如何使用 XPath 1.0/2.0 提取数字“-105”？

我试过：

我正在尝试将变量分配到 xsl 文件中，并稍后在此文件中使用它们。

这是我分配它们的方式：

当我尝试使用它们时

我得到错误！为什么？

如果我只删除

线，没关系。所以看来我没有正确访问变量。