首页   注册   登录
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python 学习手册
Python Cookbook
Python 基础教程
Python Sites
PyPI - Python Package Index
http://www.simple-is-better.com/
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
V2EX  ›  Python

PySpider 如何去重?

  •  
  •   leewlab · 177 天前 · 1335 次点击
    这是一个创建于 177 天前的主题,其中的信息可能已经有所发展或是发生改变。

    pyspider 如何对某一个抓取值去重,不是 url 去重

    比如我抓了很多文章,同样文章标题的不去抓取,过滤掉

    请问怎么怎么设置,谢谢

    7 回复  |  直到 2019-04-23 11:59:17 +08:00
        1
    est   177 天前 via Android
    pyspider 都会了还不会去重?最笨的办法就是用 == 逐个比
        2
    seaguest   177 天前
    数据量大的时候可以考虑 bloom filter,cuckoo filter。
        3
    ztcaoll222   177 天前
    不就是和 url 去重一样吗
    url 你怎么去重标题就怎么去重
        4
    Northxw   177 天前
    如果你存数据库,可以尝试 md5 一个唯一值,然后检查(或者布隆过滤器?不清楚)
        6
    lanpong   177 天前 via iPhone
    楼上作者出没
        7
    KyonLi   177 天前 via iPhone
    自定义 taskid 吧
    关于   ·   FAQ   ·   API   ·   我们的愿景   ·   广告投放   ·   感谢   ·   实用小工具   ·   2676 人在线   最高记录 5043   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.3 · 29ms · UTC 12:39 · PVG 20:39 · LAX 05:39 · JFK 08:39
    ♥ Do have faith in what you're doing.