发表于2019年7月3日15:31最后回复于2019年7月3日15:31

通过链接列表采集正文数据(不翻页)

1024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,本次采集当前列表页新闻的正文数据,正文数据是通过点击列表链接进入的,所以本次需要抽取列表链接,所以点击抽取链接,如图3:


【图3】


第二步:通过智能过滤,得到所需链接。

① 按住Ctrl+鼠标左键点击所需链接;

② 击“智能过滤”按钮,如图4:

【图4】


第三步:点击采集预览确认链接是否过滤完全,如图5

【图5】

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。关联模板

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6

【图6】

 

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。

如:http://pl.ifeng.com/opinion/zhengnengliang/497/1.shtml, 见图7:

【图7】

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,如图8

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8

【图8】

 

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。此处使用的是之前建过的凤凰网的表单,创建表单,如图9

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

    【图9】


方法三:点击“采集配置”-“数据建表”,点击采“采集表单”后面的如图10

【图10】

第七步:配置表单

根据所需内容,配置表单字段(即表头),此处配置了包括标题、作者、发布时间、文本内容以及网址五个字段,表单如图11

【图11】

第八步:字段取值

取值方法:按住Ctrl+鼠标左键,进行区域选择,按住Shift+鼠标左键,扩大选择区域。

title字段,如图12

 

【图12】

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13

【图13】

 

③ 预览结果如图14

【图14】

第十步:采集预览

① 击右上角采集预览,如图15

【图15】

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16

【图16】

 

私信

举报