67,543
社区成员
发帖
与我相关
我的任务
分享heritrix中怎么设置只抓取文本数据，不抓取其它数据
比如不抓取图片、MP3、软件等等，我只要HTLM的文本数据。
现在heritrix什么链接都抓取下来，呵呵，请问在哪里有设置，我找不到。
现在heritrix什么链接都抓取下来，呵呵，请问在哪里有设置，我找不到。
...全文
请发表友善的回复…
发表回复
dreamw 2009-12-14
- 打赏
- 举报
。。。。。。。。。。。
当然是爬前过滤掉。呵呵，花这么多的时间去下载，又花时间去删除干嘛。
当然是爬前过滤掉。呵呵，花这么多的时间去下载，又花时间去删除干嘛。
crazylaa 2009-12-14
- 打赏
- 举报
噢，你是想抓取之前就过滤掉啊？那可能得改你抓文件得那个机器人程序了。
我以为你抓下来之后，把不想要得删掉呢
我以为你抓下来之后，把不想要得删掉呢
dreamw 2009-12-14
- 打赏
- 举报
兄弟，怎么过滤，是要修改源代码，还是直接在WEB页面里配置？
dreamw 2009-12-14
- 打赏
- 举报
呃尔陀佛，善哉善哉。。。我再等等，如果没有好的方法，我就结贴啦。。。
crazylaa 2009-12-14
- 打赏
- 举报
[Quote=引用 4 楼 dreamw 的回复:]
。。。。。。。。。。。
当然是爬前过滤掉。呵呵，花这么多的时间去下载，又花时间去删除干嘛。
[/Quote]
啊哈，准备改程序吧。
。。。。。。。。。。。
当然是爬前过滤掉。呵呵，花这么多的时间去下载，又花时间去删除干嘛。
[/Quote]
啊哈，准备改程序吧。
crazylaa 2009-12-13
- 打赏
- 举报
可以过滤掉不想要的标签。
