请教关于爬虫提取非结构化数据的方法
0
最佳答案
0
本质上还是根据特征来提取，分析所有的内容来分析结构，有些指定内容在指定层次的标签内，有些内容在某个特定内容之后。
收获园豆：5
有道理
其他回答(2)
0
你要把具体的网页 贴出来,你要抓的马部分也贴出来,这样有针对性的提问,会更好的得到解答
确实是这样。不过当时遇到这个问题的时候并没有具体的网站，只是宽泛地被问到了这个问题，到现在也没有一个好的思路。
0
文本，图片，视频只要有展示，理论上都是可以获取的。比如文本，使用正则匹配，图片可以根据链接下载，或者编码存储。同类的数据资源存储方式大同小异，具体的操作需要根据具体场景分析。
首先要清楚需要的数据是啥，而不是考虑数据是不是结构化吧。。。
假设有这么一个需求，抓取全国所有本科院校的学校简介。
所有的高校官方主页，它的html结构都是不一样的。学校简介，不同的学校主页放在不同层次的标签下，它也没有类似的关键字（以下是某某学校的“学校简介”）。假设所有院校的名录是有的。能不能有一种好的方法，将所有学校的简介抓取下来。机器学习就不考虑了，会搞这个我就不搞爬虫了。看你分析的头头是道，麻烦您设计一个完整的逻辑。
@踏破凌霄城: 不能。
