您当前的位置: 首页 >  网络

嗨学编程

暂无认证

  • 0浏览

    0关注

    1405博文

    0收益

  • 0浏览

    0点赞

    0打赏

    0留言

私信
关注
热门博文

Python即时网络爬虫项目: 内容提取器的定义

嗨学编程 发布时间:2019-05-10 15:40:58 ,浏览量:0

提取器代码

可插拔提取器是即时网络爬虫项目的核心组件,定义成一个类: gsExtractor

使用模式是这样的:

实例化一个gsExtractor对象

为这个对象设定xslt提取器,相当于把这个对象配置好(使用三类setXXX()方法)

把html dom输入给它,就能获得xml输出(使用extract()方法)

下面是这个gsExtractor类的源代码

用法示例

下面是一个示例程序,演示怎样使用gsExtractor类提取GooSeeker官网的bbs帖子列表。本示例有如下特征:

提取器所用的xslt模板提前放在文件中:xslt_bbs.xml

仅作为示例,实际使用场景中,xslt来源有多个,最主流的来源是GooSeeker平台上的api

在控制台界面上打印出提取结果

提取结果如下图所示:

关注
打赏
1663681728
查看更多评论
立即登录/注册

微信扫码登录

0.0773s