用前嗅ForeSpider通过搜索框检索关键词采集数据

社区 >> ForeSpider数据采集

前嗅大数据发表于2020年11月9日14:38最后回复于2020年11月9日14:38

用前嗅ForeSpider通过搜索框检索关键词采集数据

742浏览量

0评论

第一步：新建任务①点击左上角“加号”新建任务，如图1②在弹窗里填写采集地址、任务名称，由于此次需要配置关键词，所以在新建任务时，需要勾选一下“关键词采集”如图2③点击下一步，选择进行数据抽取还是链接抽取，本次采集需要采集列表页中正文的所有文本信息，所以此处需要勾选“抽取链接”-“普通翻页”，如图3
2第二步：配置关键词①由于在创建任务时，选择了关键词采集，所以此时，显示在任务层，如图1②按照右侧关键词配置步骤的提示（每个步骤按钮可以点击，如无此操作步骤，可直接跳过），开始配置关键词，如图2<1>点击关键词，按照操作提示，按住ctrl 鼠标左键点击搜索框<2>在完成步骤时，按住ctrl 鼠标左键点击搜索按钮，如图3③关键词列表处，填写关键词，并点击保存，如图3
3第三步：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：“下一页”的链接。对于翻页，只需要取到标题名为“下一页”的链接即可。②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1③击采集预览查看是否过滤成功，如图2
4第四步：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1②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。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2
5第五步：填写模板二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，见图1②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2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2
6第六步：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。此处使用方法三。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”创建表单，如图所示
7第七步：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标题、网页地址、全部文本三个字段，表单如图
8第八步：字段取值取值方法：由于网页标题和网页地址是可以自动取值的字段，所以我们只需要取到网页文本即可。text字段，如图
9第九步：模板预览① 标右键点击“数据抽取”，然后点击“模板预览”，如图1② 览结果如图2
10第十步：采集预览① 击右上角采集预览,如图1② 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2