|
|
|
# 39健康网疾病信息爬取
|
|
|
|
|
|
|
|
## 网站描述
|
|
|
|
|
|
|
|
http://jbk.39.net/
|
|
|
|
|
|
|
|
39健康网是一个医疗信息百科网站，主要有疾病、症状、检查、手术、药品五类信息。
|
|
|
|
|
|
|
|
前四类信息都可以通过科室或部位查找。
|
|
|
|
|
|
|
|
需要注意的是，网站最多返回100页结果，也就是说，最好以最小范围的检索词来遍历，比如不限科室或者不限部位均返回100页结果，然而并不是全部的结果。
|
|
|
|
|
|
|
|
药品信息在同系列的另一网站
|
|
|
|
|
|
|
|
http://ypk.39.net/
|
|
|
|
|
|
|
|
## 采集需求与数据格式
|
|
|
|
|
|
|
|
数据格式均为json格式。对于某个疾病的页面，我们需要以下信息：
|
|
|
|
|
|
|
|
- 疾病名称
|
|
|
|
|
|
|
|
- 从基本信息->简介末尾的详细->得到详细的简介和属性
|
|
|
|
- 注意：相关症状、并发疾病、相关检查、常用药品四种属性，格式为{名称，URL}，且需要对末位的【详细】的页面进行处理，补充信息（不是长文本，补充{名称，URL}对即可）
|
|
|
|
- 其他属性格式为字符串
|
|
|
|
|
|
|
|
- xxx的种类或其他类似疾病（注意：可能有多页）
|
|
|
|
|
|
|
|
### 疾病数据格式
|
|
|
|
|
|
|
|
```javascript
|
|
|
|
[
|
|
|
|
{
|
|
|
|
类型: "疾病",
|
|
|
|
网址: "http://xxx...",
|
|
|
|
名称: "xx",
|
|
|
|
简介: "xxx",
|
|
|
|
属性: {
|
|
|
|
是否属于医保: "",
|
|
|
|
别名: "",
|
|
|
|
...
|
|
|
|
相关症状: [
|
|
|
|
{名称: "aaa", 网址: ""},
|
|
|
|
{名称: "bbb", 网址: ""},
|
|
|
|
...
|
|
|
|
],
|
|
|
|
...
|
|
|
|
常用药品: [
|
|
|
|
{名称: "ccc", 网址: ""},
|
|
|
|
{名称: "ddd", 网址: ""},
|
|
|
|
...
|
|
|
|
]
|
|
|
|
},
|
|
|
|
// 具体种类和类似疾病一般只有其中一个字段，根据页面中是xxx的种类还是其他类似疾病
|
|
|
|
具体种类: [
|
|
|
|
{名称: "eee", 网址: ""},
|
|
|
|
{名称: "fff", 网址: ""},
|
|
|
|
...
|
|
|
|
],
|
|
|
|
类似疾病: [
|
|
|
|
{名称: "ggg", 网址: ""},
|
|
|
|
{名称: "hhh", 网址: ""},
|
|
|
|
...
|
|
|
|
]
|
|
|
|
}
|
|
|
|
]
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
## 评分标准
|
|
|
|
* 采集到100个页面的全部域：1分
|
|
|
|
* 采集到网站全部页面：2分 |
|
|
\ No newline at end of file |
