乐趣区

前嗅ForeSpider教程:链接抽取

今天,小编为大家带来的是:在前嗅 ForeSpider 采集过程中,链接抽取操作中的一系列知识点,主要内容有:如何关联模板,如何判断模板关联是否正确,选择链接类型以及过滤的三种方式。具体内容如下:
一,如何关联模板
“链接抽取”抽出链接后,需要采集这些链接所在的页面。我们从这些链接中,选择其中一个作为下一层模板的示例地址,通过关联模板,可以将两个模板连接起来,实现页面的跳转。在软件中模板的关联关系,与网页中链接跳转的关系相同,因此可以完整的采集数据。
关联方式如下:①自动关联:软件会根据用户创建模板的情况,帮助用户自动关联。②手动关联:用户可在链接抽取节点进行手动关联。
关联模板

二,如何判断模板关联是否正确
①在软件中模板的关联关系,与网页中链接跳转的关系相同。如模板一的示例地址为:http://news.ifeng.com/o/dynpa…
关联模板

②通过模板一示例地址,点击模板一中任意一条链接,进入需要采集数据的页面,该页面链接即为模板二的示例地址。
模板一地址

③所以此时模板一中的链接抽取,需要关联模板二。
模板二地址

三,如何选择链接类型
链接类型可分为 href 和 src 两种。
href
默认选项。适用于超链接、按钮、CSS 文件。
src
适用于图片 / 视频 / 音频 / 资源文件 /JS 文件等。
四,过滤方法
过滤方式一:智能过滤智能过滤可以一键过滤出,链接地址规律相同的链接。适用于大多数情况,如过滤的不正确,可以使用方式三:地址 / 标题过滤。操作方法如下:①在链接抽取节点,按 Ctrl+ 鼠标左键,在内置浏览器上点击所需获取的链接,点击“智能过滤”按钮。②点击软件右上角“采集预览”按钮,查看是否过滤完全。
过滤方式二:定位过滤定位过滤是通过内置浏览器定位,适用于所需链接都集中在一小片区域的情况。操作方法如下:①在链接抽取节点,按 Ctrl 在内置浏览器上点击(扩大选区按 Shift),选中所需链接的区域,点击“确认选区”按钮。②点击软件右上角“采集预览”按钮,查看是否过滤完全。
过滤方式三:地址 / 标题过滤为了在抽取的链接中去除无关链接,有两种过滤方式,配置方式相同。(1)地址过滤:通过 url 地址的规律,过滤无关链接。(2)标题过滤:通过链接标题的规律,过滤无关链接。① 地址(标题)过滤节点的配置内容

② 过滤串规则说明

退出移动版