“挖掘在线评论进行情感分析”
贡献我
我试图从亚马逊获取关于特定产品的评论，以便通过应用分类模型来预测积极或消极的态度来进行情感分析。两个问题:
1)关于获取数据:你如何将抓取限制在评论范围内?该产品的评论长达几页，每个页面的链接是这样的:
http://www.amazon.com/Rainbow-Loom-Twistz-Bandz/product-reviews/B00DMC6KAC/ref=cm_cr_pr_btm_link_2?ie=UTF8&, sortby = byRankDescending pageNumber = 2 &showviewpoints = 0
…当然，链接中的pageNumber编号会根据页码而变化。我只想抓取这些页面，但每个评论页面都有大量的其他链接，例如到亚马逊网站，到在线广告等。是否有一个字符(如*)，我可以用它来代替页码，以指定我只想抓取这些链接?
2)如何将单个评论(一个页面上的几个评论)放入其自己的文本文档中(或者可能是数据库记录中的自己的字段)，以便对其进行分类?
1)关于获取数据:你如何将抓取限制在评论范围内?该产品的评论长达几页，每个页面的链接是这样的:
http://www.amazon.com/Rainbow-Loom-Twistz-Bandz/product-reviews/B00DMC6KAC/ref=cm_cr_pr_btm_link_2?ie=UTF8&, sortby = byRankDescending pageNumber = 2 &showviewpoints = 0
…当然，链接中的pageNumber编号会根据页码而变化。我只想抓取这些页面，但每个评论页面都有大量的其他链接，例如到亚马逊网站，到在线广告等。是否有一个字符(如*)，我可以用它来代替页码，以指定我只想抓取这些链接?
2)如何将单个评论(一个页面上的几个评论)放入其自己的文本文档中(或者可能是数据库记录中的自己的字段)，以便对其进行分类?
标记:
0
答案
我猜您正在使用抓取Web操作符来抓取页面。该操作符支持爬行规则中的正则表达式。你可以在网上找到大量关于正则表达式的文档。任意数量的数字的通配符是\d+ (\d =一个数字，+表示一个或多个数字)。
要拆分评论，一种选择是在抓取的页面上使用Process Documents，并使用split Documents将整个站点拆分为单个评论。
最好的问候,
马吕斯
我想获得去年的新闻从网络使用爬行网络运营商。我正在使用网页抓取，但它提供的结果是几个月前的，即使我增加了深度，但仍然。你能指导我如何完善我的搜索，以获得最好的历史数据从网站?
谢谢
Sourabh Choudhary
这完全取决于网站——你必须定义正确的抓取规则，也许在检索文档之后结合过滤器。
不幸的是，没有一个通用的规则，你必须仔细研究网站的结构。
最好的问候,
马吕斯
谢谢你的建议。我正在尝试过滤器与爬行规则的组合。尽快我将能够做我想要的，我会在论坛上分享。
问候
Sourabh
我想搜索有关特定的关键字或关键名称在网络(社交媒体和论坛，博客，搜索引擎，新闻网站，新闻博客等)使用Rapidminer相关的有价值的信息。请帮帮我，我该怎么做?
谢谢
Sourabh