前嗅大数据发表于2020年3月18日14:11最后回复于2020年3月18日14:11

前嗅ForeSpider教程:数据建表

281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,进行数据建表操作及各注意事项。主要内容包括:快速建表,自由建表,字段参数,数据表的创建,关联与删除,以及表单变更后的配置修改。

一,如何快速建表

若在数据抽取链接下,没有相应表单可供选择,可点击“创建表单”按钮,快速创建表单。可添加表单名称、字段名称,选择字段类型、表单模板。

1.字段类型

①主键字段

②名称

③标题

④数字(-20亿~20亿)

⑤长整型数字

⑥时间值

⑦地址

⑧小文本(小于64k)

⑨大型文本

(>>字段参数)

2.表单模板

在表单模板中选择已经建好的表单,可以在表单中添加、删除、修改字段。

【快速创建表单】

二,如何自由建表

1.概念解释

表单:规定了数据表都有哪些“列”,也就是都有哪些字段。数据存储结构类似的采集任务,可以共用同一个表单。一个表单可以创建多个数据表。

字段:在数据库中,表单的“列”称为“字段”,每个字段存储某一项的信息。

2.创建表单和字段

在表单列表点击“添加”按钮,创建一个新的表单。点击表单配置右侧的“添加”按钮,即弹出添加字段的窗口。

【添加字段】

字段具体参数的设置方法,详见下节(>>字段参数)

3.字段修改

在数据建表的表单配置右侧,可以对表单进行一系列操作。

添加字段

修改字段

字段排名上移

字段排名下移

删除字段

保存数据表

三,字段参数

1.字段名称

字段名称由英文字符、数字、下划线、$构成,且不能以数字开头。

①不支持中文。

②区分大小写。

③不能是SQL语句关键字:如select、time等。

2.字段属性

大部分情况无需选择字段属性。

一般数据表都需要一个主键字段,作为唯一ID记录。主键字段需要勾选“主键字段”,勾选后自动会选上“索引字段”和“键值唯一”。

3.采集内容

指该字段需要从网页上获取的数据内容。

当字段需要存储页面的url地址、采集时间、网页title等内容时,通过选择对应的采集,就可以自动为该字段赋值。(>>自动取值字段)

当某字段存储的是网页上的内容数据时,比如文章的标题、联系人名称、电话号码等,通过选择“选区内全部文本”,再在内置浏览器上定位,就可以自动获取网页的数据。 

 示例:

(1)选区内全部文本:

<ul><li><a href=”www.baidu.com”>百度</a></li></ul>,采集全部标签下的内容。

(2)选区最外层节点文本:

<ul><li><a href=”www.baidu.com”>百度</a></li></ul>,只选取<ul>节点,不采集<li>和<a>内容。

(3)选区最外两层节点文本:

<ul><li><a href=”www.baidu.com”>百度</a></li></ul>,只采集<ul><li>的内容,不采集<a>的内容。

(4)网页内文字文本:采集整个页面中所有可见的文字文本。

4.数据类型

数据类型如下表所示:

5.字符串长度

只有变量类型是字符串时需要填写长度。字符串长度有两种情况:

(1)短文本

文本长度不大时,可以填写字符串长度,字符串可填写的最大长度为255。字段长度尽量不要设置的偏小,防止有超出长度的数据无法存入数据库。

(2)大文本

文本较大时,无需填写字符串长度。

①长文本:适用于新闻、正文等小于64K的文本。

【设置长文本】

也可以通过选择变长字段的方式,在数据库中两种方式效果相同。

【设置变长字段】

②超长文本:适用于论文等长文。

【设置超长文本】

6.字段描述

在“字段描述”文本框里,用户可以为字段填写描述性的注释内容。

四,数据表的创建、关联与删除

表单只是定义了都有哪些字段,想要实现数据的存储,需要对表单创建对应的数据表。(软件默认连接了ForeLib数据库,可更改。)

【关联数据表】

创建数据表

选择表单,在表单的左下方点击“创建”,输入数据表名称(仅限英文),完成数据表的创建。

关联数据表

勾选前面的多选框,即已关联数据表。取消勾选,解除关联。

采集数据时,数据存入勾选的数据表。

删除数据表

可以删除已创建的数据表。

反建表单

反建表单会根据数据库中,已存在的数据表创建爬虫表单。

五,表单变更后的配置修改

表单建好后,如果已经配置了模板中的字段,甚至已经建立了数据表,则修改表单,需要进行下列操作。

1.影响字段节点取值的情况

如果字段名称、字段数量和采集内容更改,需要到对应任务的字段节点,修改字段和采集内容。修改方式有两种:

(1)重置表单

重新选择表单名称后,这里的表单将被重置,所有的字段取值配置(包括字段处理脚本)也被清空,需要逐一重新配置字段取值。

(2)添加删除字段

当表单做了修改字段名称、添加删除字段的操作后,可以不必重置表单,在模板列表对应的数据抽取节点,通过右键添加删除字段,将两边的字段名称和数量保持一致即可。

这里的添加删除操作只针对该数据抽取,不会改动表单。

【添加数据字段】

①添加字段

在模板列表对应的数据抽取节点,点击右键,选择“添加数据字段”,可以新建字段。

②删除字段

在某字段上点击右键,可以删除该字段。

③修改采集内容

通过字段节点向导中的下拉菜单,修改采集内容与表单中的一致即可。

2.已创建数据表

当数据表已经建好后,修改表单会影响采集,原数据表不能适应新的表单结构。在上述修改字段的基础上,还需要删除原数据表,再重新创建一个新的数据表。



作者:前嗅大数据


链接:https://www.jianshu.com/p/c6ab20b49114


来源:简书


著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。


发布新帖

私信

举报