今天小编为大家带来的教程是：如何在前嗅 ForeSpider 中进行，字段的取值与清洗。主要内容包括：自动取值字段，取值的两个方法，和字段清洗方式。具体内容如下：
一，自动取值的字段包括哪些
当字段设置为下列采集内容时，系统会自动为字段赋值。1. 网页地址：自动采集网页的 URL 地址。2. 网页标题：采集网页的标题。即网页 <title> 中的内容。3. 网页内文字文本：采集整个页面中所有可见的文字文本。4. 网页内容：采集网页全部文本，包含 html 标签等，即整个页面的源代码。5. 网页创建时间：文档创建或网页发布的时间。6. 网页更新时间：文档或网页更新的时间。7. 网页获取时间：ForeSpider 采集该网页的时间。8. 当前系统时间：数据采集入库的时间。9. 文档数据大小：采集对象的质量大小 [单位: 字节]。10. 文档名称：采集对象的文件名，如.html，.doc。11. 文档后缀：文档的文件名后缀，如 html、pdf 等。12. 文档视宽：文档的宽 [如果是图片数据则为图片的宽]。13. 文档视高：文档的高 [如果是图片数据则为图片的高]。14. 文档层级：自动获取从入口页当当前数据页的跳转层级数目。15. 频道 ID：采集当前频道的 ID。16. 频道名称：采集当前频道的名称。
二，取值方法
1. 标准定位（1）标准定位含义通过在内置浏览器上，定位有所需数据的区域，为字段取值。大多数情况都选择“标准定位”。（2）定位方法①选择：按 Ctrl 点击页面上相应数据的区域。②扩大选区：按 Shift 再次点击页面相应区域。③确认选区：点击“确认选区”按钮，选区生效。
标准定位
2. 特征定位（1）特征定位含义当所需数据在不同网页的位置不固定，且数据前后具有特征性文字时，用标准定位容易错位，需要使用特征定位。举例：对于字符串“作者：*”，采集作者名称时，可用“作者：”作为特征来定位。
（2）特征定位的操作方法 ① 选择：按 Ctrl 点击页面上所需数据的区域。② 识别特征：点击“识别特征”，出现红框，再次点击，红框移动到特征字符串时确认。③ 点击“确认选区”按钮，选区生效。
（3）特征定位的类型特征定位分为四种方式：① 局部关键词当页面的数据前有特定的关键词，而各个页面的表格内容、各行次序、行数又各不相同时，采用标准定位的方式就会错乱。可以根据表头特征，采集表格后的数据。与全文关键词的区别是，局部关键词只在选定区域的附近采集。② 全文关键词根据选定的特征关键词，在全页面采集该特征关键词前后对应的数据，如果出现多个特征关键词，以第一个为主。如果想采集多个的话，可以设定多值。>> 查看多值的配置方式 ③ 大文本选定大文本区域后，自动识别各页面的大文本，相比标准定位更加精确。④ 特殊标签采集页面中只出现一次的特殊标签，如标题的 <h1> 标签等。
三，字段清洗方式
在采集数据之前，通过使用字段处理，软件可以自动以某种过滤方式，清洗该字段的字符串数据。通过系统自带的或脚本的方式，可以预先清洗不需要的字符串。
字段处理
字段清洗的方式如下：
字段处理脚本是字段处理中选择“脚本处理”后，通过脚本进一步把需要的数据清洗干净。具体配置方法需要参考脚本文档。