推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› 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
这是一个创建于 2074 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
 |
1
est 2019-04-23 09:54:27 +08:00 via Android
pyspider 都会了还不会去重？最笨的办法就是用 == 逐个比
|
 |
2
seaguest 2019-04-23 09:59:24 +08:00
数据量大的时候可以考虑 bloom filter，cuckoo filter。
|
 |
3
ztcaoll222 2019-04-23 10:00:40 +08:00
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 2019-04-23 10:05:32 +08:00
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）
|
 |
5
binux 2019-04-23 10:06:37 +08:00
|
 |
6
lanpong 2019-04-23 10:19:28 +08:00 via iPhone
楼上作者出没
|
 |
7
KyonLi 2019-04-23 11:59:17 +08:00 via iPhone
自定义 taskid 吧
|
Select Language