发表于2021年9月28日12:03最后回复于2021年9月28日12:03

采集中国政府采购网招标公告

73浏览量

0评论

l 采集网站

【场景描述】采集中国政府采购网上中央公告模块所有数据

【源网站介绍】

中国政府采购网财政部唯一指定政府采购信息网络发布媒体国家级政府采购专业网站

【使用工具】前嗅ForeSpider数据采集系统,免费下载:http://www.forenose.com/view/forespider/view/download.html

【入口网址】http://www.ccgp.gov.cn/cggg/zygg/

采集内容

采集招标网上中央公告模块所有数据 

 

【采集效果】如下图所示:

 

 

l 思路分析

配置思路概览:

 

 配置步骤

1. 新建采集任务

选择【采集配置】,点击任务列表右上方【+】号可新建采集任务,将采集入口地址填写在【采集地址】框中,【任务名称】自定义即可,点击下一步。 

 

2.获取翻页链接

观察翻页规律,如下所示,打开翻页,复制翻页链接,粘贴到文本上。

 

观察发现,翻页规律如下:


③建立脚本教程,拼翻页链接,具体如下所示

脚本文本如下所示:

for(int i = 1;i <= 24;i++)//for循环拼链接

{

url u;//定义一个url

u.title = URL.title+"@"+i;//返回链接名为@+页数

u.urlname = "http://www.ccgp.gov.cn/cggg/zygg/index_"+i+".htm";//返回链接为拼出来的链接

u.entryid = CHANN.id;

u.tmplid = 2;//关联模板02

RESULT.AddLink(u);//返回一个值

}

④采集预览,如下所示,表示翻页链接拼取成功。

 

3.获取列表链接

新建模板02,在其下新建一个链接抽取。


采用定位过滤的方法,获取公告列表链接,具体操作如下所示:


③采集预览,如下所示,表示配置成功。

 

4.数据抽取

①新建模板03,在该模板下新建一个数据抽取。

关联模板,将模板02的链接关联至模板03。

采集预览,打开列表链接预览界面,复制任意一条列表链接,粘贴在模板02的示例地址处。 

 

③新建一个数据表单,具体步骤和字段属性如下所示:

 

④关联表单

 

⑤使用字段定位取值,来获取字段数据。

Title字段:

 

Pubtime字段:

 

Pubper字段:


Text字段:


⑥采集预览,双击直至进入最后数据页,如下图所示,说明数据抽取成功。


 

l 采集步骤

模板配置完成,采集预览没有问题后,可以进行数据采集。

①首先要建立采集数据表:

选择【数据建表】,点击【表单列表】中该模板的表单,在【关联数据表】中选择【创建】,表名称自定义,这里命名为【zhaobiao】(注意命名不能用数字和特殊符号),点击【确定】。创建完成,勾选数据表,并点击右上角保存按钮。

 

②选择【数据采集】,勾选任务名称,点击【开始采集】,则正式开始采集。


③采集中:


④采集结束后,可以在【数据浏览】中,选择数据表查看采集数据,并可以导出数据。

 

⑤导出的文件打开如下图所示:

 

*本教程仅供学习交流,严禁用于商业用途!

 

前嗅简介

前嗅大数据,国内领先的研发型大数据专家,多年来致力于为大数据技术的研究与开发,自主研发了一整套从数据采集、分析、处理、管理到应用、营销的大数据产品。前嗅致力于打造国内第一家深度大数据平台!

发布新帖

私信

举报