【文件属性】：
文件名称：转码后的信息-tinyxml指南[中文]
文件大小：6.46MB
文件格式：PDF
更新时间：2021-06-14 22:52:56
RapidMiner
图 13.16 数据输出表格
这时候我们终止流程运行，去掉断点，返回到循环里面来，我们调用“Extract Information”
操作符，参数设置以字符串匹配的方式，设置如图 13.17 所示
图 13.17 参数设置获取 XML 信息
继续对信息进行转码，调用“Documents to Data”和“Unescape HTML”操作符，text 取名
content，转码 attribute 设置为 xml，点击运行，显示结果如图 13.18
图 13.18 转码后的信息
这里面的信息就包含的文章的日期，标题，ISBN，作者，机构的信息，后面我们会把这个
信息存储到硬盘上，作为我们中间分析的结果。
第三步：存储爬取的数据
将每次爬取的页数用%{pageSize}代替，添加“set Macro”设置宏操作符，参数设置“macro”