前嗅大数据发表于2020年3月6日17:45最后回复于2020年3月6日17:45

前嗅ForeSpider教程:抽取数据

121浏览量

0评论

今天,小编为大家带来的教程是:如何在前嗅ForeSpider中抽取数据。主要内容包括:如何选择表单,如何采集列表/表格数据两大部分。具体内容如下:

 

一,如何选择表单

 

在ForeSpider爬虫中,表单是可以复用的表结构,建好的表单可以重复用于多个任务。

【数据表选择页】

 

1.选择表单

 

方法一:通过下拉菜单,或填写表单ID,选择已有表单。

方法二:快速建表,点击创建表单,进入快速建表页面,新建表单。(>>详见快速建表)

方法三:自由建表,点击“采集配置”-“数据建表”,点击采“采集表单”后面的。(>>详见自由建表)

【数据建表页】

 

2.数据存储方式

 

指的是数据采集时,在数据库里的存储方式。

①插入:默认为插入。如遇到数据库中已存在的重复数据,则不再插入。

②仅更新:如遇到数据库中已存在的重复数据,则用最新采集的数据覆盖掉。

③追加:如字段的属性是运算字段,则可以进行字段运算。

④插入并更新:没有重复的记录则插入,有重复记录则更新。

 

二,如何采集列表/表格数据

 

识别列表用于存储表格/列表的数据,将表格/列表的不同列对应存入不同字段,表格/列表的不同行分别存储为数据表的多条记录。以前嗅官网Web服务器(http://www.forenose.com/pannel/prod/server_cen.html)为例。

 

1.创建表单

 

根据表格内容,创建一个存储表格数据的表单。在选项卡“数据建表”中,创建一个表单。(>>自由建表)

【识别列表的表结构】

 

(1)主键

采集表格时,表格的一行作为一条数据。由于整个表格属于同一个网页文档,而文档主键只有一个,因此不能像采集其他内容一样,取值类型选择“网页主键”。

表格的主键的变量类型,根据表格的行数长度,选择“Integer”或者“Long”。取值类型选择“空”。字段属性选择“主键字段”和“自动字段”(选择主键字段后,软件会自动选择“键值唯一”和“索引字段”。)

【主键字段的配置】

 

(2)其他字段

其他字段的变量类型选择“string”,取值类型选择“选区内全部文本”。(>>字段参数)

【其他字段的配置】

 

2.创建数据抽取

 

为数据抽取选择表单

【选择表单】

 

3.识别多值

 

点击“默认数据抽取”节点,按Ctrl点击任意某个单元格,按Shift再次点击扩大区域范围。

【定位表格】

点击“识别多值”,选区扩大到整个表格。点击“确认选区”。

 

【确认多值】

 

4.字段取值

 

主键字段不需要配置。存储表格内容的字段需要一一取值。(方法一:标准定位/方法二:特征定位)

点击数据抽取的字段,为其一一配置表格不同列的数据。点击相应字段,按Ctrl点击第一列的任意单元格,点击“保存”。

【多值字段取值】

————————————————

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/87915217


发布新帖

私信

举报