共计 1332 个字符,预计需要花费 4 分钟才能阅读完成。
今天小编为大家带来的教程是,采集 58 同城数据,同样适用于其他类似网站,具体操作如下:
第一步:新建任务①点击左上角“加号”新建任务,如图 1:
②在弹窗里填写采集地址,任务名称,如图 2:
③点击下一步,选择进行数据抽取还是链接抽取,首先采集 58 同城·便当分类下的分类列表的链接,所以点击抽取链接,如图 3:
④完成后模板抽取配置列表有一个模板,默认模板,如图 4:
第二步:创建链接抽取,通过定位过滤得到所需链接①直接点击“默认模板:01”,点击上面“新建链接抽取”按钮,得到链接抽取,如图 5。
②按住 Ctrl+ 鼠标左键,进行区域选择,按住 Shift+ 鼠标左键,扩大选择区域,点击“确认选区”按钮,如图 6:
③点击采集预览确认链接是否过滤完全,如图 7:
第三步:创建新模板,并添加链接抽取①在模板配置,点击“新建模板”按钮,得到新建模板,如图 8。
②将模板一过滤得到的任意一条链接,作为模板二的示例地址。如:https://biandang.58.com/cn/sh…,见图 9:
③新建数据抽取。直接点击模板二,点击上面“新建数据抽取”按钮,得到数据抽取,如图 10。
④关联模板在软件中模板的关联关系,与网页中链接跳转的关系相同。根据网页跳转规律,将模板一的“新建链接抽取”关联模板二,如图 11
第四步:通过定位过滤得到文章列表所需链接①按住 Ctrl+ 鼠标左键,进行区域选择,按住 Shift+ 鼠标左键,扩大选择区域,点击“确认选区”按钮,如图 12:
②鼠标右键点击模板二,模板预览,如图 13:
③确认链接是否过滤完全,如图 14:
第五步:创建新的模板,并新建数据抽取①在模板配置,点击“新建模板”按钮,得到新建模板,重命名为正文数据模板,如图 15。
②新建数据抽取。直接点击模板二,点击上面“新建数据抽取”按钮,得到数据抽取,如图 16。
③将模板二过滤得到的任意一条链接,作为模板三的示例地址。如:https://biandang.58.com/cn/ch…,见图 17:
④关联模板在软件中模板的关联关系,与网页中链接跳转的关系相同。根据网页跳转规律,将模板二“新建链接抽取”关联模板三,如图 18。
第六步:创建 / 选择表单在 ForeSpider 爬虫中,表单是可以复用的,所以可以在数据表单出直接选择之前建过的表单,也可以通过表单 ID 来进行查找并关联数据表单。此处使用的是方法三。方法一:通过下拉菜单或表单 ID 选择已有表单方法二:点击创建表单进入快速建表页面,新建表单。方法三:点击“采集配置”-“数据建表”,点击采“采集表单”后面的如图 19:
第七步:配置表单根据所需内容,配置表单字段(即表头),此处配置了包括网页主键、文章标题、访问量、发布时间、文本内容 5 个字段,表单如图 20:
第八步:字段取值取值方法:按住 Ctrl+ 鼠标左键,进行区域选择,按住 Shift+ 鼠标左键,扩大选择区域。点击:“确认选区”按钮,确认操作 tit、read_num、pub_date、text 字段,如图 21:
第九步:模板预览①鼠标右键点击模板三,然后点击“模板预览”,如图 22:
②预览结果如图 23:
第十步:采集预览①点击右上角采集预览, 如图 24:
②双击任意一条链接,看看是否可以得到和网页对应的规整的数据,如图 25、26: