前嗅大数据发表于2020年3月18日15:21最后回复于2020年3月18日15:21

前嗅ForeSpider教程:采集美团网

188浏览量

0评论

以美团为例,通过关键词搜索后的结果列表,由列表进入正文页采集正文数据:

第一步:新建任务

①点击左上角“加号”新建任务,如图1:

【图1】

②在弹窗里填写采集地址,任务名称,如图2:

【图2】

③点击下一步,选择进行数据抽取还是链接抽取,首先当前检索结果列表链接,所以点击抽取链接,选择链接抽取,如图3:

【图3】

④完成后模板抽取配置列表有两个个模板,默认模板和新建模板,模板一的默认链接抽取已与模板二关联,如图4:

【图4】

第二步:通过地址过滤,得到所需的链接。

①点击采集预览,在采集预览中有于目标链接相似的其他链接,可通过地址过滤得到列表链接。找到所需要的列表链接,右击复制链接,“https://www.meituan.com/meishi/ 数字 /”如图5所示。

【图5】

②勾选地址过滤,过滤规则选择包含,将复制的目标地址粘入,使用过滤串“\d”得到列表链接,如图6所示。

过滤串规则说明:\d表示一串(个)数字

【图6】

③点击采集预览确认链接是否过滤完全,如图7

【图7】

第三步:填写模板二示例地址并新建数据抽取

①将模板一过滤得到的任意一条链接,作为模板二的示例地址。如:https://www.meituan.com/meishi/137562207/, 见图8:

【图8】

②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。

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9:

【图9】

第四步: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。此处使用的方法三。

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”后面的添加按钮,如图10:

【图10】

第五步:配置表单

根据所需内容,配置表单字段(即表头),此处配置了网页主键、标题、联系方式、联系地址共4个字段,表单如图11:

【图11】

第六步:字段取值

① 先关联表单,如图12所示。

【图12】

② 字段取值是在数据模板位置写脚本,来给对应字段赋值,如图13所示。

【图13】

代码如下:

var str=DOM.GetSource().ToStr().Middle("\"detailInfo\":",",\"photos\""); //获取网页源码包含数据部分内容

jScript js;

var obj=js.RunJson(str); //生成json对象

record re;

re.id=MD5(URL.urlname);//给主键字段生成唯一标识

re.tit=obj.name; //标题名称

re.addr=obj.address; //店铺地址

re.tel=obj.phone; //店铺电话

RESULT.AddRec(re,TMPL.fstdoc.schemaid); //将所有的字段放入结果集

第七步:模板预览

①鼠标右键点击“数据抽取”,然后点击“模板预览”,如图14所示。

【图14】

②预览结果,如图15所示。

【图15】

第八步:采集预览

①点击右上角采集预览,如图16所示。

【图16】

②双击任意一条链接,看看是否可以得到和网页对应的规整的数据,如图17所示、18所示。

【图17】

【图18】



作者:前嗅大数据


链接:https://www.jianshu.com/p/ee4b3b5d9759


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