找到一个小办法，暂时缓解了压力，希望下午走运了~~~~ 吃饭先了


to,,,chenjin145,,, 还是跟kai那句，关键的关键就是你以为容易的那部分，就是怎么提取我想要的

这个就是关键，不是抓抓数据就行

我一直认为很难
<div class=div1>张三说：论坛人民万岁</div>
<div class=div2>作者：静夜思</div>

你说哪个是标题？

论坛暂时不提取，先从简单的新闻网开始，一般来说主题和作者会有字体上的区别，例如作者名会用其它样式

VIPS就是视觉分割的原理，靠字体和颜色还有其它一些视觉因素来归类网页板块，

而大家最不看重的提取其实是最难，要识别哪段是核心就是关键，反而蜘蛛算法网上到处是例子不是重点

你们公司太锻炼人了~！

關鍵是人為添的

查找頻率高的數據 自然就成為以後抓取的關鍵

楼上的，那个是pagerank算法啊~~~

你是否太注重了xx算法!!!

不是，名字只是一个思想的代号，问题是别人想到先，我们想不到，惟有用别人起的代号，

你觉得新浪那篇文章不用VIPS的话，可以有什么思想来解决，你想到了也可以叫 chenjin145算法

地址

没地址 这个程序要适应所有页面