前嗅ForeSpider教程:采集美团网

47次阅读

共计 1270 个字符,预计需要花费 4 分钟才能阅读完成。

今天,小编为大家演示一下,如何采集美团网数据,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,首先当前检索结果列表链接,所以点击抽取链接,选择链接抽取,如图 3:

④完成后模板抽取配置列表有两个个模板,默认模板和新建模板,模板一的默认链接抽取已与模板二关联,如图 4:

第二步:通过地址过滤,得到所需的链接。①点击采集预览,在采集预览中有于目标链接相似的其他链接,可通过地址过滤得到列表链接。找到所需要的列表链接,右击复制链接,“https://www.meituan.com/meish…”如图 5 所示。

②勾选地址过滤,过滤规则选择包含,将复制的目标地址粘入,使用过滤串“d”得到列表链接,如图 6 所示。过滤串规则说明:d 表示一串(个)数字

③点击采集预览确认链接是否过滤完全,如图 7

第三步:填写模板二示例地址并新建数据抽取①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://www.meituan.com/meish…,见图 8:

②新建数据抽取方法一:通过点击“下一步”后勾选抽取数据,再次点击“下一步”得到数据抽取。方法二: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 9:

第四步: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 10:

第五步:配置表单根据所需内容,配置表单字段(即表头),此处配置了网页主键、标题、联系方式、联系地址共 4 个字段,表单如图 11:

第六步:字段取值① 先关联表单,如图 12 所示。

② 字段取值是在数据模板位置写脚本,来给对应字段赋值,如图 13 所示。

代码如下:
var str=DOM.GetSource().ToStr().Middle(“\”detailInfo\”:”,”,\”photos\””); // 获取网页源码包含数据部分内容
jScript js;
var obj=js.RunJson(str); // 生成 json 对象
record re;
re.id=MD5(URL.urlname);// 给主键字段生成唯一标识
re.tit=obj.name; // 标题名称
re.addr=obj.address; // 店铺地址
re.tel=obj.phone; // 店铺电话
RESULT.AddRec(re,TMPL.fstdoc.schemaid); // 将所有的字段放入结果集
第七步:模板预览①鼠标右键点击“数据抽取”,然后点击“模板预览”,如图 14 所示。

②预览结果,如图 15 所示。

第八步:采集预览①点击右上角采集预览,如图 16 所示。

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 17、18 所示。

正文完
 0