在线观看不卡亚洲电影_亚洲妓女99综合网_91青青青亚洲娱乐在线观看_日韩无码高清综合久久

鍍金池/ 問(wèn)答/數(shù)據(jù)分析&挖掘  Python/ 請(qǐng)教下，文本類的頁(yè)面解析怎樣又精準(zhǔn)效率又高?

請(qǐng)教下，文本類的頁(yè)面解析怎樣又精準(zhǔn)效率又高?

做爬蟲的時(shí)候，經(jīng)常會(huì)遇見對(duì)方頁(yè)面是文本類的，前后關(guān)鍵詞又換來(lái)?yè)Q去，希望能有同行來(lái)探討一下，怎樣解析文本類的頁(yè)面更好。
文本類頁(yè)面比如：

clipboard.png

1.如果頁(yè)面很規(guī)整，無(wú)論BeautifulSoup,Xpath,還是re，都還ok；而BS和Xpath都是基于定位的，位置換了就不靈了。
2.希望用關(guān)鍵詞，剛開始學(xué)的時(shí)候，用了如下方法：

clipboard.png

沒錯(cuò)，很蠢，但比較準(zhǔn)，也只是懶到往前后加關(guān)鍵詞即可，無(wú)論有多少相關(guān)關(guān)鍵詞。
3.后來(lái)嘗試用了正則表達(dá)式，語(yǔ)言精煉了些，但是碰到前后關(guān)鍵詞太多時(shí)，有可能出現(xiàn)匹配錯(cuò)的時(shí)候（當(dāng)然，前后關(guān)鍵詞少的時(shí)候正則表達(dá)式更好）。
正則表達(dá)式剛學(xué)，類似如下（其他項(xiàng)目的）:

clipboard.png

所以想問(wèn)下有沒有大神，探討下如何解析這種文本類的頁(yè)面？

回答
編輯回答
六扇門

可用“工程名稱”，“招標(biāo)單位”等這些項(xiàng)目名稱作為前綴，再結(jié)合xpath搞定，相當(dāng)穩(wěn)定的。不論它怎么換位置，只要項(xiàng)目名稱不變，就能準(zhǔn)確提取項(xiàng)目?jī)?nèi)容。

2017年6月10日 23:22
編輯回答
你好胸

如果有時(shí)間有精力的話，你可以嘗試一下文本識(shí)別的機(jī)器學(xué)習(xí)，用神經(jīng)網(wǎng)絡(luò)，輸入的是全文的單個(gè)中文字，然后通過(guò)模擬神經(jīng)網(wǎng)絡(luò)移動(dòng)來(lái)理解文本意思。
我是不是跑題了？如果只是搜索文字的話，用死循環(huán)查詢就好了，參考各類編譯器對(duì)于代碼的解析。

2017年2月21日 19:06
編輯回答
別傷我

如果界面內(nèi)容規(guī)范的話,可以考慮選擇器抽取,比如xpath lxml 之類的.

2018年8月2日 01:51