共计 1646 个字符,预计需要花费 5 分钟才能阅读完成。
今天小编为大家介绍一下如何通过子栏目进入链接列表采集正文,具体流程如下:
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,本次采集当前页面子栏目下的列表房源的正文数据,子栏目房源列表是通过点击子栏目链接进入的,所以本次需要抽取子栏目链接,所以点击抽取链接,选择子栏目,如图 3:
④完成后模板抽取配置列表有两个模板,默认模板和子栏目。默认模板下自动生成一个链接抽取,名称为子栏目,此链接已与子栏目模板关联,如图 4。
第二步:通过地址过滤,得到所需的子栏目链接。
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二手房子栏目链接。找到所需要的子栏目链接,右击复制链接,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“E”得到二手房子栏目链接,如图 6 所示。
过滤串规则说明:E 文件结束(忽略所有请求参数)
③点击采集预览确认链接是否过滤完全,如图 7
第三步:填写子栏目模板示例地址并新建链接抽取
①填写示例地址,将模板一过滤得到的链接,作为子栏目的示例地址,即二手房子栏目列表页链接,如图 8 所示。
②直接点击子栏目模板,点击上面“新建链接抽取”按钮,得到链接抽取,如图 9。
第四步:通过地址过滤,得到所需列表链接。
①右击模板预览找到房源列表链接,如图 10 所示。观察链接得出规律使用过滤串得到目标链接。
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, 使用共用词“chushou”过滤得到目标链接,如图 11。
③点击采集预览确认链接是否过滤完全,如图 12
第五步: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 13。
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,并重名命为翻页,如图 14。
第六步: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 15。
③点击采集预览查看是否过滤成功,如图 16.
⑤关联“翻页”
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 17。
情况二:手动点击按钮创建翻页链接抽取,需要手动关联。
第七步: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 18。
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 19。
③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“新建链接抽取”关联模板“正文数据模板”,如图 20
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。此处使用的是之前建过的房天下的表单,如图 21。
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 22。
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主键、标题、网页链接,以及文本内容四个字段,表单如图 23。
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。
Text 字段,如图 24:
第十一步:模板预览
① 标右键点击“数据抽取”,然后点击“模板预览”,如图 25
②预览结果如图 26:
第十二步:采集预览
① 击右上角采集预览, 如图 27。
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 28、图 29。