内容采集器(有些提取器删除标签的方法和区分方法有哪些？ )

　　内容采集器(有些提取器删除标签的方法和区分方法有哪些？

)

　　有些网站会在正文前后添加一些宣传信息。如果详情页提取器无法将信息从采集的正文中分离出来（一般检查Html的content字段），则需要通过字段数据处理将其删除。

　　如果这些额外信息只是图片或链接，有一种快速删除它们的方法。点击此处了解详情：

　　如果这些冗余信息中间夹杂着文字，则需要使用'HTML标签删除'功能。

　　1. 设置详情页提取器中对应字段采集的内容。下图为content字段采集的内容，其中收录不可分割的冗余信息；

　　2.点击测试采集==》点击源码==》找到冗余信息的标签代码；

　　3.双击采集的字段或字段右侧的绿色设置按钮进入数据处理==》进入“高级删除和处理”栏；

　　4. 填写需要删除的标签位置和数量，点击保存删除；（这里可以选择的标签为常用标签）

　　5. 部分网页使用div标签来区分正文内容和次要信息，所以必须设置保留的div标签，才能删除div标签中的内容；

　　6.对于无标签文本，可以使用字符替换功能，采集数据处理：字符替换；

　　除了以上方法，优采云采集平台还可以对已经采集的数据批量删除html标签（这里支持所有标签类型），工具是在“结果数据和发布”栏中；