- Поисковые системы
- Практика оптимизации
- Трафик для сайтов
- Монетизация сайтов
- Сайтостроение
- Социальный Маркетинг
- Общение профессионалов
- Биржа и продажа
- Финансовые объявления
- Работа на постоянной основе
- Сайты - покупка, продажа
- Соцсети: страницы, группы, приложения
- Сайты без доменов
- Трафик, тизерная и баннерная реклама
- Продажа, оценка, регистрация доменов
- Ссылки - обмен, покупка, продажа
- Программы и скрипты
- Размещение статей
- Инфопродукты
- Прочие цифровые товары
- Работа и услуги для вебмастера
- Оптимизация, продвижение и аудит
- Ведение рекламных кампаний
- Услуги в области SMM
- Программирование
- Администрирование серверов и сайтов
- Прокси, ВПН, анонимайзеры, IP
- Платное обучение, вебинары
- Регистрация в каталогах
- Копирайтинг, переводы
- Дизайн
- Usability: консультации и аудит
- Изготовление сайтов
- Наполнение сайтов
- Прочие услуги
- Не про работу
В 2023 году Одноклассники пресекли более 9 млн подозрительных входов в учетные записи
И выявили более 7 млн подозрительных пользователей
Оксана Мамчуева
Как снизить ДРР до 4,38% и повысить продажи с помощью VK Рекламы
Для интернет-магазина инженерных систем
Мария Лосева
Авторизуйтесь или зарегистрируйтесь, чтобы оставить комментарий
Несколько раз видел граберы, которые собирают контент по запросу в ПС, но не пойму как они работают без шаблона парсинга. Т.е. как отделяют всякий мусор (меню и т.д.) и находят на странице текст самой статьи. Может кто подскажет примерный алгоритм или хотя бы идеями поделится?
Несколько раз видел граберы, которые собирают контент по запросу в ПС, но не пойму как они работают без шаблона парсинга. Т.е. как отделяют всякий мусор (меню и т.д.) и находят на странице текст самой статьи. Может кто подскажет примерный алгоритм или хотя бы идеями поделится?
А почему вы решили, что они работают без шаблона парсинга?
Несколько раз видел граберы, которые собирают контент по запросу в ПС, но не пойму как они работают без шаблона парсинга. Т.е. как отделяют всякий мусор (меню и т.д.) и находят на странице текст самой статьи. Может кто подскажет примерный алгоритм или хотя бы идеями поделится?
Выбираются наибольшие куски чистого текста, например.
;8150865']А почему вы решили, что они работают без шаблона парсинга?
Ну, очевидно же.
Когда вбиваешь в поиск какое-то слово, то вылетают совершенно разные сайты (разные cms, шаблоны), а значит универсального шаблона не написать. К тому же может быть так, что попадется не страница со статьей, а страница раздела со ссылками на полные статьи.
recrut добавил 09.12.2010 в 21:12
А у каких движков есть стандартные метки (так сказать) полной статьи? Вот например DLE
<div id='news-id-1'>{get}</div>Почитайте про "информационный шум" например тут http://msug.vn.ua/blogs/datamining/archive/2009/08/06/1010.aspx
Почитайте про "информационный шум" например тут http://msug.vn.ua/blogs/datamining/archive/2009/08/06/1010.aspx
Спасибо почитал.
Как правило, весь контент идет в параграфах.
Если видишь 1-2-3 параграфа подряд - очевидно это контент.
+ минимальный объем текста.
Я бы это и отрезал.
Рекламу, навигацию, партнерские ссылки и прочее - редко в параграфах делают.
Несколько раз видел граберы, которые собирают контент по запросу в ПС, но не пойму как они работают без шаблона парсинга. Т.е. как отделяют всякий мусор (меню и т.д.) и находят на странице текст самой статьи. Может кто подскажет примерный алгоритм или хотя бы идеями поделится?
Вотссылочка, я у этого чела заказывал грабберы. Там посмотри в контактах его аська, удачи ;)
Как правило, весь контент идет в параграфах.
Если видишь 1-2-3 параграфа подряд - очевидно это контент.
+ минимальный объем текста.
Я бы это и отрезал.
Рекламу, навигацию, партнерские ссылки и прочее - редко в параграфах делают.
Я в принципе так и думал. Только думаю, что еще надо учитывать тест в <div> и в <td>