回答情况：
提问时间：
问题标签：
我想通过使用wget工具来学习更多关于爬虫的知识。我有兴趣爬行我的部门的网站，并找到该网站上的前100个链接。到目前为止，下面的命令就是我所拥有的。如何限制爬虫在100个链接后停止？wget -r -o output.txt -l 0 -t 1 --spider -w 5 -A html -e robots=on "http://www.example.com"
浏览 0修改于2011-02-12得票数 3
回答已采纳
2回答
我需要创建一个可以加载到csv文件中的R代码。csv文件包含一个名为" link“的列，对于每个i(Row)，有一个链接，代码需要从这个链接下载链接的内容，并将其放在一个单独的csv文件中。不出所料，我需要在这段代码中实现几样东西，这样它才能成为完成这一特定任务的好爬虫。
我想对每100次下载使用Sys.Sleep函数。这是我的硕士论文，这并不是真正的R编程，但我需要下载的内容，从许多网站，我已经被允许访问。接下来，我要对论文的内容进行分析，这也是我论文的重点所在
浏览 0修改于2012-09-09得票数 0
回答已采纳
我的目标是创建一个小的网络爬虫。该过程应该继续，直到找不到新的URL。我的当前绘图如下:爬虫提取urls并将其放入池中。因此，每个Worker都有一个对池的引用，因此爬虫可以通过worker访问池对象。{
public functi
浏览 1提问于2017-02-04得票数 1
1回答
我已经建立了一个爬虫在一个固定的领域内的螃蟹和提取url匹配的修复正则表达式。如果看到某个特定的url，则爬虫将跟踪该链接。爬虫可以很好地提取url，但是每次我运行爬虫时，它都会返回不同数量的链接，也就是说，每次运行它时，链接的数量都会不同。我在用Scrapy爬行。这是刮痕的问题吗？xyz.nl"] rules = (Rule(SgmlLinkExtractor
浏览 3修改于2014-04-07得票数 2
回答已采纳
1回答
我想建立一个网络爬虫使用R程序为网站""，它可以访问与地址参数的网站，然后从网站获取生成的经度和纬度。这将对我拥有的数据集的长度重复。提前谢谢。
浏览 28修改于2018-06-08得票数 -2
我正在为我的A-Level Computer Science课程编写这个程序，我正在尝试让一个爬虫从一个给定的用户关注/关注列表中抓取所有找到的用户。append for followers and following URL pages for link in soup.findA
浏览 107提问于2020-09-24得票数 0
我在Haskell用手术刀写一个网络爬虫。request <- parseRequest weblink r<- return $ scrapeStringLike (L8.unpack p) torrentS mapM_ putStrLn我认为它检查用户代理字符串，并对真正的浏览器
浏览 2提问于2017-05-08得票数 0
回答已采纳
我在做一个爬虫程序。我已经做了爬虫，从网页上塞新闻，它可以上传到我的本地计算机，但我想直接上传到FTP服务器。for i in range(0,len(a),2): rurl, allow_redirects=True)
fileName = datetime.now().strftime(
浏览 4修改于2020-06-09得票数 0
回答已采纳
我正在尝试使用codeigniter和simplehtmldom实现一个爬虫。我试过了reduce_multiples($ad_description->innertext,"\r")ascii_to_entities($desc
浏览 0修改于2015-07-20得票数 1
我试图让LetsEncrypt autoSSL爬虫在我的htaccess上工作，它正在实现白名单方法。爬虫可以成功地验证我的域，因为它可以访问： RewriteCond %{HTTP_HOST} ^www\.(.+)$ [NC]
RewriteRule ^ http://%1%{RE
浏览 0修改于2018-03-01得票数 0
回答已采纳
2回答
我们正在使用Puppeteer编写一个网络爬虫。我们写的木偶爬虫执行和爬行网站的网址没有问题的网页，如约1,500 - 5,000，但是，当我们执行的网站超过5,000，如果它在中间由于一些错误或崩溃而中断，那么它需要重新开始。如果出现任何错误，如何使基于Puppeteer的网络爬虫从爬行的最后状态恢复？在Puppeteer中有没有内置的函数？如何让这个木偶手无头的chrome web爬行通过一个队列系统？
浏览 14提问于2020-12-05得票数 2
我需要将爬虫统计信息发送到作为爬虫参数传递的URL。我需要每隔5分钟定期发送一次POST请求。我该怎么做呢？
浏览 0提问于2019-02-15得票数 0
据我所知，HTML5语义标记的唯一真正优势是搜索引擎和web爬虫能够更好地解释文档。
由于内部网应用程序与搜索引擎或网络爬虫无关，在HTML5中使用语义标记有哪些优点？
浏览 5修改于2017-06-08得票数 2
回答已采纳
一个爬虫出了个奇怪的问题。=k \ ̕* ߚ>c+<O یo ʘ> C R! 2 D (5 x q#!` 4 p |8 I E lib/locale_middleware.rb:14:in `call'
爬虫用户代理是
浏览 1修改于2014-07-07得票数 7
回答已采纳
我用python做了一个爬虫，我正在尝试下载这篇文章中的图片--。这个网站的问题是，它会自动调整大小，当我尝试下载文章的图片时，它给我的是320像素(太小)。发生这种情况的原因是爬虫进入url的源文件(view- source：)，它有320个像素。有一种方法可以使图像最大尺寸，或者我如何在浏览器中看到它？这是获取图像的代码：soup = Beautiful
浏览 0提问于2015-11-30得票数 2
我想通过Amazon GLUE 1将我的数据从R.D.S传输到Red-shift，为R.D.S添加了连接，并运行了一个爬虫程序将我的R.D.S架构创建到Amazon GLUE中。现在我有很多表，如何传输此架构或Red-shift中的所有表
我遵循了一个教程，但他在Red-shift中已经有了一个表，所以他使用第二个爬虫来获取模式，然后在源和目标上执行E.T.L作业。
浏览 0提问于2019-12-11得票数 1
1回答
我试图通过使用gem命令安装instagram爬虫：但我收到以下错误：
构建本机扩展。这需要一段时间..。错误:安装instagram爬虫时出错:错误:无法构建创业板本机扩展。当前目录: /var/lib/gems/2.5.0/gems/nokogiri-1.10.1/ext/nokogiri /usr/bin/ruby2.5 -r .
浏览 0提问于2019-02-05得票数 0
我目前正在建立一个网络爬虫，并希望增加一个延迟的请求，这样我就不会击中网络服务器硬。另外，爬虫的适当延迟量是多少？我在想.5-1秒。
谢谢
浏览 2提问于2013-03-28得票数 0
回答已采纳
我正在试图找出一种同时运行多个Scrapy爬虫的方法，而不会遇到内存问题等。list: ") # Enter name of list of seed sites separated by newline
我需要以某种方式检测一个爬虫何时完成，这样我就可以在它所在的地方启动另一个爬虫。有没有一个函数可以找
浏览 2提问于2014-11-28得票数 4
我正在尝试用python2.7中的漂亮汤构建一个基本的web爬虫。r'localhost|' #localhost... r'(?# optional port
r'(?:/?|[/?]cr&ei=SfWxVs65JK_v8we9zrj4AQ&gws_rd=ssl&
浏览 3修改于2017-05-23得票数 1
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号