|
|
|
# 39健康网药品信息爬取
|
|
|
|
|
|
|
|
## 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。对于某个药品的页面，我们需要以下信息：
|
|
|
|
|
|
|
|
药品名称、标签（如OTC信息）、属性栏各种信息、详细说明书
|
|
|
|
|
|
|
|
### 药品数据格式
|
|
|
|
|
|
|
|
```javascript
|
|
|
|
[
|
|
|
|
{
|
|
|
|
类型: "药品",
|
|
|
|
网址: "http://xxx...",
|
|
|
|
名称: "xx",
|
|
|
|
简介: "xxx",
|
|
|
|
标签: ["aa", "bb"...],
|
|
|
|
属性: {
|
|
|
|
适应症: "",
|
|
|
|
主要成分: "",
|
|
|
|
功能主治: "",
|
|
|
|
...
|
|
|
|
价格: "",
|
|
|
|
}
|
|
|
|
相关疾病: [//即属性栏中的相关标签
|
|
|
|
"aaa",
|
|
|
|
"bbb",
|
|
|
|
...
|
|
|
|
],
|
|
|
|
详细说明书: "" //长文本
|
|
|
|
}
|
|
|
|
]
|
|
|
|
```
|
|
|
|
|
|
|
|
## 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 |
