前嗅大数据发表于2020年3月16日15:55最后回复于2020年3月16日15:55

前嗅ForeSpider教程:抽取数据

62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

clipboard.png

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

clipboard.png

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/panne...)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

clipboard.png

(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

clipboard.png

(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

clipboard.png

2.创建数据抽取

为数据抽取选择表单

选择表单

clipboard.png

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

clipboard.png

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

图片描述

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

clipboard.png


发布新帖

私信

举报