完善抓取的數據

儘管其他許多文章都涉及如何提取數據，但本文還是解釋瞭如何精煉提取的數據，從而僅保留所需的信息。為此要特別 Criteria 在以下所有示例中，使用的方法時，都是從HTML表中提取數據，只要每個數據內容div，span，image等的長度相同，就可以從各種不同的源中提取該數據。

表格示例：圖書清單

以下是此示例在此表中要抓取的表數據，由四列組成標題, 作者, 書齡及狀態.

標題	作者	書齡	狀態
如何園藝	約翰福音	5	發布時間
如何使用相機	莎拉	0	殘缺
如何使用相機	莎拉	0	殘缺
天文學變得容易	多米尼克	1	正在審查中
如何熨燙	藍*棉花糖	1	正在審查中
如何繪製	麥克風	3	發布時間
如何使用電腦	雷切爾	4	發布時間

var titles = Page.getTagValues({"position":1,"tag":{"equals":"td"},"parent":{"tag":{"equals":"tr"}}});
var authors = Page.getTagValues({"position":2,"tag":{"equals":"td"},"parent":{"tag":{"equals":"tr"}}});
var ages = Page.getTagValues({"position":3,"tag":{"equals":"td"},"parent":{"tag":{"equals":"tr"}}});
var statuses = Page.getTagValues({"position":4,"tag":{"equals":"td"},"parent":{"tag":{"equals":"tr"}}});

通常，需要精簡抓取的數據，以便僅獲得所需的信息。這是 Criteria 使用功能。例如，如果僅需要已出版的書籍，則需要將上面的“狀態”列限制為已發布，然後將這些更改應用於其他列數據，如下所示。

Criteria.create();
statuses = Criteria.equals(statuses, "Published");
titles = Criteria.apply(titles);
authors = Criteria.apply(authors);
ages = Criteria.apply(ages);

使用時 Criteria 減少數據的所有更改的方法必須一次應用於一列 apply 該方法用於必須刪除相應記錄的任何其他列。一旦完成 Criteria.create() 必須在為其他列設置條件之前調用方法。正是由於這個原因，最佳做法是將 Criteria.create() 在其他任何標準方法之前。

在示例中，狀態列被限制為僅包含 發布時間，然後使用 Criteria.apply 方法還刪除了其他三列中的相應記錄，以使所有列保持一致。請記住，apply方法僅在不同的列包含相同數量的記錄時才有用。

Critieria也可以組合在一起以多種方式限制數據。以下示例通過使用，將“圖書年齡”列限制為超過一歲但少於五年的圖書。 Criteria.lessThan() 及 Criteria.greaterThan() 方法。

Criteria.create();
ages = Criteria.greaterThan(ages, 1);
ages = Criteria.lessThan(ages, 5);
titles = Criteria.apply(titles);
authors = Criteria.apply(authors);
statuses = Criteria.apply(statuses);

有時有重複的數據需要刪除，要刪除此信息，您可以使用 Criteria.unique 方法。

Criteria.create();
titles = Criteria.unique(titles);
authors = Criteria.apply(authors);
ages = Criteria.apply(ages);
statuses = Criteria.apply(statuses);

現在，將刪除基於標題列的所有重複行。下一個方法是 Criteria.remove 方法。如果在array參數中找到了這些列值，則這將從列中刪除項目。

var authorsToRemove = ["Mike","Rachel"];
Criteria.create();
authors = Criteria.remove(authors, authorsToRemove);
titles = Criteria.apply(titles);
ages = Criteria.apply(ages);
statuses = Criteria.apply(statuses);

在這裡，刪除了authors列中所有等於Mike和Rachel的記錄，然後應用apply方法，然後從其他列中刪除相應的記錄。