前嗅大数据发表于2020年2月11日17:32最后回复于2020年2月11日17:32

前嗅ForeSpider教程:链接抽取

150浏览量

0评论

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/dynpage/64-/1/plist.shtml

【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。

 

1. href

默认选项。适用于超链接、按钮、CSS文件。

 

2. 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

点赞

收藏

分享

  

雨霖铃儿

发布了152 篇原创文章 · 获赞 42 · 访问量 15万

私信

关注

展开阅读全文 

————————————————

版权声明:本文为CSDN博主「雨霖铃儿」的原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明。

原文链接:https://blog.csdn.net/u011231755/article/details/87884062


发布新帖

私信

举报