问题描述
我想从网页列表中抓取信息,但是,仍然需要首先生成这样的列表。
具体来说,对于www.website.com/
,我想收集格式为www.website.com/desirable-webpage
的所有url,同时跳过所有节www.website.com/subsection/undesirable-webpage
的所有组成部分。类似地,对于给定的主文件夹,我希望收集主文件夹中所有文件的名称,而忽略子文件夹及其组成文件。
我发现www.xml-sitemaps.com会生成网页列表,尽管我看不到在生成站点地图之前无法将理想网页与理想网页分开的原因。
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)