2 genglanggenglang genglanggenglang 于 2016.09.19 09:27 提问

爬取网页得到此类信息如何处理?
<td width="40%" class="td1">发明名称:</td>
<td width="60%"><span name="record_zlx:zhuanlimc" title="pos||">
<span id="bfdf53c5dacb4879bf57accbf9b0f739" class="nlkfqirnlfjerldfgzxcyiuro">检测装置</span>
<span id="ba6b32cd86c84d8d9450da43dc178a64" class="nlkfqirnlfjerldfgzxcyiuro">一种气体</span>
<span id="b7220fbcc44e41f5974a320a2dfda9bc" class="nlkfqirnlfjerldfgzxcyiuro">一种气体</span>
<span id="71806fa951fa4247b8aa2089ed7cc513" class="nlkfqirnlfjerldfgzxcyiuro">检测装置</span>
<span id="c83b17ce47054961a3b73d6a176f687c" class="nlkfqirnlfjerldfgzxcyiuro">一种气体</span>
<span id="1cc6dcf217f24a3ab8d91cd808f11228" class="nlkfqirnlfjerldfgzxcyiuro">检测装置</span>
<span id="727fed1d41fd499b90743629ccc246e0" class="nlkfqirnlfjerldfgzxcyiuro">及其使用方法</span>
<span id="285e5de9d8db42ef88c2c27c62abab9c" class="nlkfqirnlfjerldfgzxcyiuro">检测装置</span>
<span id="4ef795a61c9746219caac7d220d7c4ab" class="nlkfqirnlfjerldfgzxcyiuro">及其使用方法</span>
<span id="6cd4b49ac6af4fa2ad193c0bc9b7b42e" class="nlkfqirnlfjerldfgzxcyiuro">及其使用方法</span>
</span></td>


想要匹配到的信息是:一种气体检测装置及其使用方法

5个回答

caozhy
caozhy   Ds   Rxr 2016.09.19 09:51

正则表达式过滤掉span标签

genglanggenglang
genglanggenglang 回复caozhy: 貌似是不行的吧!你这样得到的信息不是:“检测装置一种气体及其使用方法”?
大约一年之前 回复
caozhy
caozhy 回复3s誓言: 如果就这个例子来说,直接去掉重复保持原有顺序就是了。
大约一年之前 回复
genglanggenglang
genglanggenglang 去掉标签文字的顺序怎么处理呢?
大约一年之前 回复
hi_chen_xingwang
hi_chen_xingwang   Rxr 2016.09.19 09:52

如果是批量导出,分析类似页面的信息排序,取第一个符合要求的字符串序列,类似这个取 span标签下的 2,4,7......

hi_chen_xingwang
hi_chen_xingwang 回复3s誓言: 能把原网页地址贴出来看看么
大约一年之前 回复
genglanggenglang
genglanggenglang 排序是不规则的,我要代码自动识别,怎么办
大约一年之前 回复
Marksinoberg
Marksinoberg   Ds   Rxr 2016.09.19 10:29

id与后面的内容作为key-value进行提取,会比较有用吧,其他的数据有冗余。

genglanggenglang
genglanggenglang 可以具体点吗?新人不太懂什么意思
大约一年之前 回复
yun1019511571
yun1019511571   2016.09.19 11:08

可以用Jsoup去解析.

genglanggenglang
genglanggenglang 谢谢!我是用.net的,用类似Jsoup的Nsoup解析代码得到的代码没有变化,仍然是这样的
大约一年之前 回复
genglanggenglang
genglanggenglang   2016.09.20 14:03

这个我已经解决了,谢谢大家的帮忙!

cjp0209
cjp0209 也碰到这个问题了,请问怎么解决的,谢谢
2 个月之前 回复
Csdn user default icon
上传中...
上传图片
插入图片