码迷,mamicode.com
首页 > 编程语言 > 详细

定向爬虫简易学习指南(二)网页解析(基于算法)

时间:2014-11-04 12:55:41      阅读:183      评论:0      收藏:0      [点我收藏+]

标签:style   blog   http   color   ar   sp   div   log   bs   

这里介绍两种方式:
将html加载未dom树,计算文字连接比
将html作为文本,计算出行块分布



性能比较:

1000个网页:
  行块分布函数:29秒
  dom数文字连接比:66秒
分析:加载为dom树会很费时间。
 

 

定向爬虫简易学习指南(二)网页解析(基于算法)

标签:style   blog   http   color   ar   sp   div   log   bs   

原文地址:http://www.cnblogs.com/i80386/p/4073315.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!