此时，试爬取来确保提取所需的信息并不是一个坏主意。要做到这一点： 从复制 XPath 信息的页面的 URL 处启动爬虫程序。 大约 10-15 秒后停止爬虫并转到 SF 的“自定义”选项卡，将过滤器设置为“提取”（如果您以某种方式调整了名称，则设置为其他名称），然后在提取器字段中查找数据（向右滚动）。
如果操作正确，我将在抓取的第一个 URL 旁边看到我想 阿塞拜疆号码数据 要捕获的文本。宾果 ssd:私人:var:文件夹:解决提取问题并控制抓取 从表面上看，在我的例子中一切看起来都很好。
然而，您可能会注意到，列出的其他 URL 没有包含提取的文本。当特定页面上的代码略有不同，或者移动到 SF 网站的其他部分时，可能会发生这种情况。我有几种方法可以解决这个问题： 分别抓取其他批次的页面，执行相同的过程，但使用从其他 URL 之一获取的 XPath 代码。
切换到使用正则表达式或 XPath 以外的选项来帮助扩大参数并可能获取我在其他页面上寻找的信息。 完全忽略页面并将其排除在抓取范围之外。 在这种情况下，我将根据当前设置排除无法获取信息的页面，并将 SF 锁定到我们想要的内容中。
这可能是另一个实验点，但是您不需要太多的经验就可以了解出现问题时想要采取的方向。 为了将 SF 锁定到我想要获取数据的 URL，我将使用“配置”菜单项下的“包含”和“排除”选项。
我将从包含的选项开始。g 在这里，我可以使用正则表达式配置 SF 以仅抓取网站上的特定 URL。
如果 SF 处于松散状态，它将抓取启动文件夹内的所有内容，包括我想要的数据。从爬行的角度来看，上述改进更为有效，同时也降低了我成为网站害虫的可能性。玩得好就好。 完整爬取和提取示例 在我拨号爬行之后，情况现在看起来是这样的： ssd:私人:var:文件夹:m2:wh1vdy452ps54mq15f_w0jlh0000gn:T:MjDfb8:SEOSpiderUI.png 现在我已经 99.9% 准备好了！最后的抓取配置是降低速度以避免对网站产生负面影响（或限制）。