发表于2019年1月22日11:34最后回复于2019年1月22日11:34

凤凰网

221浏览量

0评论

以凤凰网的政能亮(http://news.ifeng.com/o/dynpage/64-/1/plist.shtml)为例,采集当前列表页新闻的正文数据:

第一步:新建任务

①点击左上角“加号”新建任务,如图1:

【图1】

②在弹窗里填写采集地址,任务名称如图2:

【图2】

③点击下一步,选择进行数据抽取还是链接抽取,本次采集当前列表页新闻的正文数据,正文数据是通过点击列表链接进入的,所以本次需要抽取列表链接,所以点击抽取链接,如图3:

【图3】

第二步:通过智能过滤,得到所需链接。

①按住Ctrl+鼠标左键点击所需链接;

②点击“智能过滤”按钮,如图4:

【图4】


第三步:点击采集预览确认链接是否过滤完全,如图5

【图5】

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6

【图6】

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7

【图7】

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8

【图8】

③点击采集预览查看是否过滤成功,如图9

【图9】

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10

【图10】

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11。

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11。

【图11】

第七步:填写模板示例地址并新建数据抽取

① 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://pl.ifeng.com/opinion/zhengnengliang/492/1.shtml, 见图12:

【图12】

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,如图13

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13

【图13】

 

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凤凰网的表单,如图14

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

【图14】

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15

【图15】

第九步:配置表单

根据所需内容,配置表单字段(即表头),此处配置了包括标题、作者、发布时间、文本内容以及网址五个字段,表单如图16

【图16】

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。

title字段,如图17