首页 > 代码库 > 定向爬虫简易学习指南(二)网页解析(基于算法)

定向爬虫简易学习指南(二)网页解析(基于算法)

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)