前嗅ForeSpider教程:采集图片/视频/资源文件的链接地址

33次阅读

共计 1459 个字符,预计需要花费 4 分钟才能阅读完成。

昨天为大家介绍了如何采集图片 / 视频 / 资源文件后,有小伙伴问我如何采集他们的链接地址,今天小编就为大家演示如何采集图片 / 视频 / 资源文件的链接地址,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,本次采集所有页面的图片,图片链接是通过点击图片列表链接进入的,所以本次需要抽取列表图片链接,所以点击抽取链接,如图 3:

第二步:选择链接类型由于本次需要取到的是图片链接,图片链接不同于其他网页链接,所以需要特殊对待,在链接(网址)属性配置下面的“链接类型”中,选择“图片、视频等资源链接”,如图 4 所示。

第三步:通过地址过滤,得到所需链接。①点击采集预览,在采集预览中有与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,观察得出所需要的目标链接都包含“.jpg”,如图 5 所示。

②勾选地址过滤,过滤规则选择包含,填入“.jpge”,得到列表链接,如图 6 所示。

③点击采集预览确认链接是否过滤完全,如图 7

第四步:创建翻页链接抽取方法一:创建任务,勾选链接抽取,直接选择链接列表和普通翻页,如图 8

方法二:如果创建任务时,只勾选了链接列表,可以点击上一步,回到模板层,补选翻页链接抽取,点击下一步,创建翻页链接方法三:直接点击模板二,点击上面“新建链接抽取”按钮,得到链接抽取,如图 9

第五步:通过标题过滤,过滤翻页链接①点击采集预览,我们可以发现,翻页链接即为名为上一页、下一页两条链接。对于翻页,只需要取到标题名为“下一页”的链接即可。②这里应用标题过滤,过滤规则选择“包含”,过滤串填写“下一页”即可。如图 10

③点击采集预览查看是否过滤成功,如图 11

第六步: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。①关联“链接列表”根据网页跳转规律,将“链接列表”关联模板二“链接列表:02”,此处由于我们开始就选择了创建列表链接,所以软件自动关联好了模板二。如果配置的时候发现关联有问题,可以自己进行更改,如图 12

②关联“翻页”(对应第四步创建翻页链接抽取)情况一:创建模板或通过向导,创建的翻页链接抽取,会默认关联模板一,即当前页模板,如图 13。情况二:手动点击按钮创建翻页链接抽取,需要手动关联,如图 13。

第七步:填写模板二示例地址并新建数据抽取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:http://pic146.nipic.com/pic/2…,见图 14:

②创建数据抽取方法一: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,如图 15 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 15

第八步: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。此处使用的是昵图网的表单,如图 16 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 17

第九步: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标题、网页地址和图片两个个字段,表单如图 18

第十步: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。pic_image 字段,如图 19

第十一步:采集预览点击右上角采集预览, 如图 20

正文完
 0