点击空白处退出提示
作品详情
爬取难点：
该科研机构网页中嵌入了图片格式的数据，替代html文本。需要采用图形识别算法对图片格式的数据进行解析识别，再重新上传到数据库，避免数据污染。
对于非结构化数据，采用Mongodb存储。
技术栈：playwright+mysql+mongodb+orc文字识别
声明：本文仅代表作者观点，不代表本站立场。如果侵犯到您的合法权益，请联系我们删除侵权资源！如果遇到资源链接失效，请您通过评论或工单的方式通知管理员。未经允许，不得转载，本站所有资源文章禁止商业使用运营!
评论