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

Python即时网络爬虫项目: 内容提取器的定义

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

Python即时网络爬虫项目: 内容提取器的定义

提取结果如下图所示:

Python即时网络爬虫项目: 内容提取器的定义

相关文章:

  • 2021-05-23
  • 2021-04-03
  • 2021-08-26
  • 2022-12-23
  • 2021-08-24
  • 2022-12-23
  • 2021-12-20
  • 2021-11-13
猜你喜欢
  • 2022-12-23
  • 2021-11-10
  • 2022-02-18
相关资源
相似解决方案